用于检测电动车充电基础设施多回放攻击能源异常的方法论
信号处理
2025-04-02 v1
摘要
电动车充电基础设施（EVCI）的日益增多的部署引入了网络安全挑战，尤其是由于其内在的漏洞，使其易受网络攻击。EVCI的脆弱点是充电端口，它们作为电动车与EVCI之间的链接，沿着数据和电力的传输。针对这些端口的数据欺骗攻击会通过在运行数据中引入异常来危及安全、可靠性以及整个系统性能。本研究提出了一种高效的方法，用于识别充电端口电流幅值变化。该研究在MATLAB/SIMULINK环境中模拟了各种数据生成情景的EVCI系统。使用基于时间卷积网络-自编码器（TCN-AE）的模型对EVCI的多变量时序数据进行训练并进行重构。数据中的异常性状是指各种充电端口电流幅值被替换为不同时长的数据，从而实现数据欺骗攻击情景。为检测异常，计算原始数据与重构数据之间的误差，并将这些误差值用于检测异常。通过误差的均值向量和协方差矩阵，计算以马拉赫纳距离形式的异常得分。阈值从误差的短子序列中获得，并针对整个时序数据进行优化。所获得的最优阈值与异常得分进行比较，以检测异常。该模型在数据重构方面表现出色，通过99.64%的准确率识别异常，旨在提高EVCI操作可靠性和安全性。
引用
@article{arxiv.2504.00319,
title = {Methodology for Detecting Energy Anomalies due to Multi-Replay Attacks on Electric Vehicle Charging Infrastructure},
author = {Sagar Babu Mitikiri and Vedantham Lakshmi Srinivas and Mayukha Pal},
journal= {arXiv preprint arXiv:2504.00319},
year = {2025}
}