针对基于图的电力系统虚假数据注入攻击的防护

图信号处理（GSP）已成为实用网络应用（包括电力系统监测）的有力工具。近期研究聚焦于利用电力系统电压作为平滑图信号的表示，开发基于 GSP 的状态估计、攻击检测与拓扑辨识方法。在此框架下，已开发出检测虚假数据注入（FDI）攻击的高效方法，此类攻击此前被认为相对于图拉普拉斯矩阵是非平滑的。因此，这些方法可能对平滑 FDI 攻击无效。在本文中，我们提出一种图 FDI（GFDI）攻击，其在实用约束下最小化基于拉普拉斯的图全变分（TV）。我们将 GFDI 攻击表述为一个非凸约束优化问题的解。该 GFDI 攻击问题的解通过 $\ell_1$ 松弛近似获得。通过求解一系列归类为凸优化问题的二次规划问题得到最终解。随后我们提出一种防护方案，识别约束 GFDI 输出为高图 TV 所需的最小测量集合，从而使其能被现有基于 GSP 的检测器发现。我们在 IEEE-57 与 IEEE-118 总线测试案例上的数值仿真揭示了设计良好的基于 GSP 的 FDI 攻击的潜在威胁。此外，我们证明与以往针对 FDI 攻击的防护方法设计相比，将所提防护设计与基于 GSP 的检测相结合可显著节省硬件成本。