基于随机矩阵的重复攻击和虚假数据注入攻击的检测,区分和定位
Yuehao Shen1, Zhijun Qin2,3
1Guangxi Key Laboratory of Power System Optimization and Energy Technology, Guangxi University, No. 100, Daxue Road, Xixiangtang District, Nanning, 540003, Guangxi, People's Republic of China.
Scientific reports
|February 2, 2024
概括
本研究介绍了一种新的方法来检测和定位电力系统中的混合网络攻击. 该方法使用随机矩阵理论和SVD-CNN分类器来区分假数据注入攻击和重复攻击,增强电网安全.
科学领域:
- 网络安全 网络安全
- 电力系统工程 电力系统工程
- 数据科学数据科学数据科学
背景情况:
- 监督控制和数据采集 (SCADA) 系统容易受到网络攻击,如重复攻击和虚假数据注入攻击 (FDIA).
- 这些攻击伪造了电表测量,破坏了电力系统的运行.
- 现有的防御机制可能无法有效应对结合两种攻击类型的混合攻击.
研究的目的:
- 开发一种系统的方法来防御电力系统中的混合网络攻击.
- 建议使用随机矩阵理论的检测方法来识别混合攻击,并区分FDIA和重复攻击.
- 为了更准确地定位伪造的测量结果.
主要方法:
- 短期负载和可再生能源发电预测,以获得预测测量.
- 通过比较预测和实时测量来计算随机变量.
- 构建一个随机矩阵,并使用滑动时间窗口对其自身值统计数据进行分析,以检测混合攻击.
- 开发一种新的多标签分类器 (SVD-CNN),结合SVD分解,自值分析和卷积神经网络来区分和定位FDIA.
主要成果:
- 提出的基于随机矩阵理论的方法通过分析自身值统计数据的变化来有效检测混合攻击.
- 该SVD-CNN分类器在区分FDIA和重播攻击方面表现出高度准确性.
- 该方法显示出强大的检测能力,有效过测量噪声.
- 在IEEE 14-bus和IEEE 57-bus系统上的模拟验证了拟议方法的性能.
结论:
- 开发的方法为SCADA系统中的混合网络攻击提供了强大的防御.
- 这种SVD-CNN方法显著提高了FDIA定位的准确性.
- 这项研究有助于提高现代电网对复杂的网络威胁的安全性和可靠性.


