DSTF-GKAN:ダイナミックなスマートグリッドのリアルタイム盗聴検出のための軽量な時空融合フレームワーク

Rong Wang¹, Yanjin Shen¹, Dongtao Wang¹

¹Hunan Automotive Engineering Vocational University, Zhuzhou, Hunan, China.

PloS one

|August 22, 2025

まとめ

この研究は,スマート・グリッドにおける盗聴を検知するための新しい枠組みを導入し,正確性を大幅に向上させ,エラーを削減します. 軽量な設計により安全なエネルギーインターネットのリアルタイム・エッジ・ディフェンスを可能にします

科学分野:

サイバーセキュリティ
ワイヤレス通信ネットワーク
スマートグリッド

背景:

スマートグリッドとパワー・インターネット・オブ・シングス (PIoT) は,ダイナミックな盗聴の脅威に直面しています.
伝統的な検出方法は,複雑なトポロジーの変化と非線形的な特徴で失敗します.
効率的で軽量で適応可能なセキュリティソリューションが必要です

研究の目的:

PIoTにおけるダイナミックな盗聴攻撃を検出するためのダイナミック・スペース・タイム・フュージョン・フレームワーク (DSTF-GKAN) を提案する.
グラフ・リキュアント・ニューラル・ネットワーク (GRNN) とコルモゴロフ・アーノルド・ネットワーク (KAN) を統合し,検出能力を向上させる.
スマートグリッドのセキュリティーに効率的で堅牢なソリューションを開発する

主な方法:

DSTF-GKANフレームワークは,GRNNの時空モデリングとKANの適応スライン近似を組み合わせている.
パラメータ圧縮には,アダプティブ・メッシュ・オプティマイゼーションとヒエラルキカル・スパース・レギュラライゼーションが使用されます.
物理層セキュリティ (PLS) 機能の制限は,異常検出の感度を改善するために統合されています.

主要な成果:

DSTF-GKANは,動的攻撃シナリオ (AMR = 0. 5) でGRNNよりも7. 1%の改善である0. 891の検出F1スコアを達成しました.
局所誤差 (RMSE) は 16. 2%,0. 518mに減少した.
最適化されたモデルのサイズは0.9msの推論遅延とエッジデバイスの16mJのエネルギー消費です.

結論:

DSTF-GKANは,スマートグリッドのセキュリティのための効率的で堅牢で解釈可能な検出フレームワークを提供します.
軽量な設計は安全なエネルギーインターネットのエコシステムに不可欠なリアルタイム・エッジ・ディフェンスをサポートします
GRU- GCNモジュールとPLS正規化の有効性を確認した.

さらに関連する動画