Jul, 2024

智能电网安全综合调查：挑战、缓解措施和未来研究机会

HTML
PDF
TL;DR通过全面回顾智能电网安全，我们分析了系统架构、攻击方法、防御策略以及未来的研究机会。重点探讨了由智能电网的先进组件引入的新攻击面，并详细分析了包括多种攻击策略和利用各种智能电网组件漏洞来增加不良影响的协同攻击的复杂性和潜在严重性。此外，我们还讨论了包括博弈论、图论、区块链和机器学习在内的创新检测和缓解策略，讨论了它们在应对不断进化的威胁和相关研究挑战方面的进展。特别是，我们对广泛使用的基于机器学习的缓解策略进行了彻底的分析，分析了它们在监督学习、无监督学习、半监督学习、集成学习和强化学习等领域的应用和研究挑战。此外，我们还概述了未来的研究方向，并探讨了新技术和关注点。首先讨论了现有和新兴策略的研究机会，然后探讨了大型语言模型（LLM）和对智能电网安全未来的威胁:对抗式机器学习的潜在作用。
发现论文，激发创造
  • 智能电网攻击检测的机器学习方法

    本文在智能电网攻击检测问题中，运用机器学习算法，以统计学习方法建立攻击检测框架。通过对攻击向量的统计和几何学属性的分析，检验算法在IEEE测试系统上的性能，实验结果表明，机器学习算法能够检测出攻击的性能比在攻击检测框架中使用状态向量估计方法的算法具有更高的表现。

    Mar, 2015

  • 智能电网的网络安全综述：网络攻击、检测、对抗技术和未来发展方向

    本文介绍智能电网网络所面临的网络安全挑战及攻击分类，并阐述了一种基于OSI模型的攻击分类方法，同时提出了新的检测和对抗技术分类，并探讨了未来研究方向。

    Jun, 2022

  • 基于对抗机器学习的车联网微电网服务威胁预测

    本文研究对抗机器学习的攻击面和对车辆到微电网服务的潜在攻击。我们提出了一种预测性的多阶段灰盒攻击，该攻击可以达到与白盒攻击相当的攻击效果。我们使用推理攻击从智能微电网与5G gNodeB之间的通信数据中收集实时数据，训练出目标分类器在边缘处的代理模型，研究了对手能够收集实时数据实例的五种不同情况，并演示了多阶段灰盒攻击能够误导机器学习分类器，使用比白盒攻击少40％的数据达到类似误导率的攻击效果。

    Aug, 2022

  • 智能电网中基于机器学习的对抗攻击方法研究

    研究探讨了智能电网中机器学习的安全性问题，发现深度神经网络方法易受对抗性扰动影响，并指出目前机器学习算法在智能电网中面对各种对抗性攻击的弱点，尤其是在故障定位和类型分类方面。

    Mar, 2023

  • 智能电网安全博弈论综述

    本论文研究了基于博弈论的方法来分析智能电网的安全威胁，介绍了不同领域的威胁模型和解决方法，以保证能源管理的顺畅运行。

    Apr, 2023

  • 智能电网系统中的异常检测技术：一项综述

    本文提供了最近智能电网异常检测研究的综述，分类了该领域的各个方面，最后总结出未来研究方向。

    Jun, 2023

  • 基于深度学习的智能电网网络攻击检测模型

    通过使用人工智能技术，本研究提出了一种新颖的智能电网基于模型的网络攻击检测方法，以阻止监控控制和数据采集系统（SCADA）上接收的负载数据的数据完整性网络攻击（DIAs），并使用回归模型进行负载数据的预测，以及通过无监督学习方法对处理后的数据进行聚类，以实现最佳性能。实验结果表明，EE-BiLSTM方法比其他两种方法更稳健和准确。

    Dec, 2023

  • 深度学习在智能电网网络中推动主动网络安全措施的作用：综述

    智能电网越来越依赖于传感器和通信系统等先进技术来实现高效的能源生成、分配和消费，这使得它们成为了复杂网络攻击的目标。这项调查研究了最新的深度学习技术在智能电网主动网络安全方面的应用，并提供了基于深度学习的主动防御方法的综合分类和分析，以及与动态目标防御策略的交互作用，同时讨论了实际应用中的挑战和未来发展前景。

    Jan, 2024

  • 释放无标签数据的力量：智能电网中用于网络攻击检测的自监督学习框架

    提出了基于自监督学习的框架用于检测和识别各种类型的网络攻击，该框架利用大量未标记的感知数据中的隐式模式来学习具有概括性和有效性的表示，同时结合少量标记数据训练特定任务的分类器，以及提出了一种新的损失函数来解决现实世界中训练数据不平衡的问题，实验结果表明该框架在电力网系统中表现出优越的性能。

    May, 2024

  • 智能电网的联邦学习：应用与潜在漏洞的调查

    本研究针对智能电网（SG）在数据隐私与安全性方面的挑战，提出了一种联邦学习（FL）框架以实现更高的隐私、效率和准确性。通过全面回顾FL在SG系统生成、传输与分配及消费等三个阶段的应用与潜在漏洞，文章旨在缩小当前FL研究与实际应用之间的差距，并展望未来的防御与攻击研究方向，以加强基于FL的智能电网基础设施。

    Sep, 2024