针对电力系统故障定位的物理约束后门攻击
密码学与安全
2022-11-09 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
深度学习（DL）技术的进步有潜力为现代电力系统中许多面临日益增长的不确定性和非线性的复杂任务带来变革性的技术突破。然而，在各种物理约束下，深度学习在电力系统任务中的脆弱性尚未得到彻底探索。本工作首次提出了一种新颖的物理约束后门投毒攻击，该攻击将不可检测的攻击信号嵌入到学习模型中，并且仅在遇到相应信号时才执行攻击。本文在实时故障线路定位应用中阐述了所提出的攻击。此外，在 68 节点电力系统上的仿真结果表明，基于深度学习的故障线路定位方法对我们提出的攻击并不鲁棒，这表明后门投毒攻击对电力系统中的深度学习实现构成了真实威胁。所提出的攻击流程可以轻松推广到其他电力系统任务。
引用
@article{arxiv.2211.04445,
title = {Physics-Constrained Backdoor Attacks on Power System Fault Localization},
author = {Jianing Bai and Ren Wang and Zuyi Li},
journal= {arXiv preprint arXiv:2211.04445},
year = {2022}
}