論文の概要: Intelligent GPS Spoofing Attack Detection in Power Grids
- arxiv url: http://arxiv.org/abs/2005.04513v1
- Date: Sat, 9 May 2020 20:52:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 07:15:19.034602
- Title: Intelligent GPS Spoofing Attack Detection in Power Grids
- Title(参考訳): 電力グリッドにおけるインテリジェントGPSスポーフィング攻撃検出
- Authors: Mohammad Sabouri, Sara Siamak, Maryam Dehghani, Mohsen Mohammadi and
Mohammad Hassan Asemani
- Abstract要約: GPSはGPSスプーフィング攻撃(GSA)に弱い
電力網では、PMU (Passor Measurement Unit) はGPSを使ってタイムタグの計測を行う。
本稿では,PMUデータを用いたニューラルネットワークGPSスプーフィング検出(NNGSD)を行い,GSAを検出する。
- 参考スコア(独自算出の注目度): 0.7034739490820968
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The GPS is vulnerable to GPS spoofing attack (GSA), which leads to disorder
in time and position results of the GPS receiver. In power grids, phasor
measurement units (PMUs) use GPS to build time-tagged measurements, so they are
susceptible to this attack. As a result of this attack, sampling time and phase
angle of the PMU measurements change. In this paper, a neural network GPS
spoofing detection (NNGSD) with employing PMU data from the dynamic power
system is presented to detect GSAs. Numerical results in different conditions
show the real-time performance of the proposed detection method.
- Abstract(参考訳): GPSはGPSスプーフィング攻撃(GSA)に弱いため、GPS受信機の時間と位置が乱れてしまう。
電力網では、ファーザー計測ユニット(PMU)がGPSを使用して時間タグの計測を行うため、この攻撃の影響を受けやすい。
この攻撃の結果、PMU測定のサンプリング時間と位相角が変化する。
本稿では、動的電力系統のPMUデータを用いたニューラルネットワークGPSスプーフィング検出(NNGSD)を行い、GSAを検出する。
異なる条件下での数値結果は,提案手法のリアルタイム性能を示す。
関連論文リスト
- Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。
本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
論文 参考訳(メタデータ) (2024-02-05T05:01:28Z) - AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。
我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。
OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
論文 参考訳(メタデータ) (2024-01-30T23:13:41Z) - Experimental Validation of Sensor Fusion-based GNSS Spoofing Attack
Detection Framework for Autonomous Vehicles [5.624009710240032]
本稿では,自動走行車に対するセンサフュージョンを用いたスプーフィング攻撃検出フレームワークを提案する。
アラバマ州タスカルーサで実験が行われ、都市部の道路構造を模倣している。
結果は、遅いドリフト攻撃を含む様々な高度なスプーフ攻撃を検出できるフレームワークの能力を実証している。
論文 参考訳(メタデータ) (2024-01-02T17:30:46Z) - G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。
次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。
その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2023-12-13T23:06:30Z) - Unsupervised Visual Odometry and Action Integration for PointGoal
Navigation in Indoor Environment [14.363948775085534]
屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。
GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。
実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2022-10-02T03:12:03Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳(メタデータ) (2022-09-23T06:09:35Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - A Sensor Fusion-based GNSS Spoofing Attack Detection Framework for
Autonomous Vehicles [4.947150829838588]
本稿では,センサフュージョンをベースとしたGNSS(Global Navigation Satellite System)スプーフィング攻撃検出フレームワークを提案する。
複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。
我々は,k-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて,左旋回と右旋回を検出・分類した。
論文 参考訳(メタデータ) (2021-08-19T11:59:51Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳(メタデータ) (2021-02-09T15:48:35Z) - Prediction-Based GNSS Spoofing Attack Detection for Autonomous Vehicles [5.579370215490055]
我々は,長期記憶(LSTM)モデルを用いた予測に基づくスプーフィング攻撃検出戦略を開発した。
現在の位置と直近の場所との間を走行する予測距離に基づいてしきい値を確立する。
分析の結果,予測に基づくスプーフ攻撃検出戦略により,リアルタイムで攻撃を検知できることが判明した。
論文 参考訳(メタデータ) (2020-10-16T18:26:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。