論文の概要: Defending Against Adversarial Attacks in Transmission- and
Distribution-level PMU Data
- arxiv url: http://arxiv.org/abs/2008.09153v1
- Date: Thu, 20 Aug 2020 18:44:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 04:18:39.762378
- Title: Defending Against Adversarial Attacks in Transmission- and
Distribution-level PMU Data
- Title（参考訳）: 送電・配電PMUデータにおける敵攻撃対策
- Authors: Jun Jiang and Xuan Liu and Scott Wallace and Eduardo Cotilla-Sanchez
and Robert Bass and Xinghui Zhao
- Abstract要約: ファーザー計測ユニット(PMU)は電力グリッド操作の状況認識を改善するための高忠実度データを提供する。
PMUデータがより利用可能になり、信頼性が高まるにつれて、これらのデバイスは制御システム内の新しい役割に見出される。
PMUデータストリーム内の悪意あるデータ注入を検出するために,複数の機械学習手法を包括的に分析する。
- 参考スコア（独自算出の注目度）: 2.5365237338254816
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Phasor measurement units (PMUs) provide high-fidelity data that improve
situation awareness of electric power grid operations. PMU datastreams inform
wide-area state estimation, monitor area control error, and facilitate event
detection in real time. As PMU data become more available and increasingly
reliable, these devices are found in new roles within control systems, such as
remedial action schemes and early warning detection systems. As with other
cyber physical systems, maintaining data integrity and security pose a
significant challenge for power system operators. In this paper, we present a
comprehensive analysis of multiple machine learning techniques to detect
malicious data injection within PMU data streams. The two datasets used in this
study come from two PMU networks: an inter-university, research-grade
distribution network spanning three institutions in the U.S. Pacific Northwest,
and a utility transmission network from the Bonneville Power Administration. We
implement the detection algorithms with TensorFlow, an open-source software
library for machine learning, and the results demonstrate potential for
distributing the training workload and achieving higher performance, while
maintaining effectiveness in the detection of spoofed data.
- Abstract（参考訳）: ファーザー計測ユニット(PMU)は電力グリッド操作の状況認識を改善するための高忠実度データを提供する。
PMUデータストリームは、広域状態推定、エリア制御エラーの監視、イベント検出をリアルタイムに行う。
PMUデータがより利用可能になり信頼性が高まるにつれて、これらのデバイスは、リメディカルアクションスキームや早期警告検出システムなどの制御システムにおける新しい役割で発見される。
他のサイバー物理システムと同様に、データの整合性とセキュリティを維持することは、電力システムオペレーターにとって大きな課題となる。
本稿では,pmuデータストリーム内の悪意のあるデータインジェクションを検出する複数の機械学習手法の包括的解析を行う。
この研究で使用された2つのデータセットは、米国太平洋北西部の3つの機関にまたがる大学間ネットワークとボンネビル電力局からのユーティリティ・トランスミッションネットワークの2つのpmuネットワークから得られた。
本研究では,機械学習のためのオープンソースソフトウェアライブラリであるtensorflowを用いて検出アルゴリズムを実装し,スプーフデータ検出の有効性を維持しつつ,トレーニングワークロードの分散と高いパフォーマンスを達成する可能性を示す。
関連論文リスト
- Distributing Intelligence in 6G Programmable Data Planes for Effective In-Network Deployment of an Active Intrusion Detection System [2.563180814294141]
本研究の目的は、将来のプログラマブルネットワークの典型的なデータプレーン内のデバイスが%分類と異常検出能力を有し、完全に分散した方法で協調してML対応アクティブ侵入検知システムとして機能する破壊的パラダイムを提案することである。
報告された概念実証実験は、提案されたパラダイムによって、デバイス全体のCPUやRAMリソースの削減を図りながら、効果的かつ良好な精度で作業することが可能であることを実証している。
論文 参考訳（メタデータ） (2024-10-31T15:14:15Z) - Enhancing Automata Learning with Statistical Machine Learning: A Network Security Case Study [4.2751988244805466]
本稿では,ネットワークトラヒックデータから状態マシンを抽出するために,オートマチック学習を用いる。
我々は,産業パートナーのRabbitRun Technologiesが開発した商用ネットワーク侵入検知システムに適用する。
我々の手法は、学習された状態マシンの状態数と遷移を平均67.5%削減する。
論文 参考訳（メタデータ） (2024-05-18T02:10:41Z) - A Decentralized and Self-Adaptive Approach for Monitoring Volatile Edge Environments [40.96858640950632]
エッジのための分散自己適応監視システムであるDEMonを提案する。
提案システムは軽量でポータブルなコンテナベースシステムとして実装し,実験を通じて評価する。
その結果, エッジモニタリングの課題に対処するため, DEMonは効率的にモニタリング情報を拡散し, 回収することがわかった。
論文 参考訳（メタデータ） (2024-05-13T14:47:34Z) - Grid Monitoring and Protection with Continuous Point-on-Wave
Measurements and Generative AI [47.19756484695248]
本稿では,汎用人工知能(AI)と機械学習の最近の進歩を活用する次世代グリッド監視制御システムについて述べる。
AIを用いたデータ圧縮と故障検出による連続点波計測(CPOW)のストリーミングに基づくモニタリングと制御のフレームワークについて論じる。
論文 参考訳（メタデータ） (2024-03-11T17:28:46Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Attention-Enhanced Deep Learning for Device-Free Through-the-Wall
Presence Detection Using Indoor WiFi Systems [9.087163485833054]
WiFi信号のチャネル状態情報(CSI)を用いた人間の存在検知システムを提案する。
本システムでは,CSIデータから情報サブキャリアを自動的に選択するためのアテンションメカニズムを用いて,アテンション検出のためのアテンション強化深層学習(ALPD)と命名した。
提案するALPDシステムは,CSIデータセットを収集するための一対のWiFiアクセスポイント(AP)をデプロイすることで評価し,さらにいくつかのベンチマークと比較した。
論文 参考訳（メタデータ） (2023-04-25T19:17:36Z) - Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。
デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。
本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文 参考訳（メタデータ） (2022-09-01T03:27:33Z) - Deep Reinforcement Learning Assisted Federated Learning Algorithm for
Data Management of IIoT [82.33080550378068]
産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。
IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。
本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
論文 参考訳（メタデータ） (2022-02-03T07:12:36Z) - Federated Learning with Correlated Data: Taming the Tail for Age-Optimal
Industrial IoT [55.62157530259969]
本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。
本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。
数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
論文 参考訳（メタデータ） (2021-08-17T08:38:31Z) - Federated Learning for Intrusion Detection System: Concepts, Challenges
and Future Directions [0.20236506875465865]
侵入検知システムは、スマートデバイスのセキュリティとプライバシを確保する上で重要な役割を果たす。
本稿では,侵入検知システムにおけるFLの使用について,広範囲かつ徹底的に検討することを目的とする。
論文 参考訳（メタデータ） (2021-06-16T13:13:04Z) - Multi-Source Data Fusion for Cyberattack Detection in Power Systems [1.8914160585516038]
複数のデータソースからの情報を融合することで,サイバーインシデントの発生を識別し,偽陽性を低減できることが示されている。
我々は、サイバー物理電力システムテストベッドでIDSを訓練するためのマルチソースデータ融合を行う。
提案するデータ融合アプリケーションを用いて偽データとコマンドインジェクションに基づく中間攻撃を推測する。
論文 参考訳（メタデータ） (2021-01-18T06:34:45Z)
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。