論文の概要: Detection of False-Reading Attacks in the AMI Net-Metering System
- arxiv url: http://arxiv.org/abs/2012.01983v1
- Date: Wed, 2 Dec 2020 07:40:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 03:43:27.429965
- Title: Detection of False-Reading Attacks in the AMI Net-Metering System
- Title（参考訳）: AMIネットメータシステムにおける偽読解攻撃の検出
- Authors: Mahmoud M. Badr, Mohamed I. Ibrahem, Mohamed Mahmoud, Mostafa M.
Fouda, Waleed Alasmary
- Abstract要約: スマートグリッドでは、悪意のある顧客がスマートメーター(SM)を妥協して不正な読み取りを報告し、金銭的利益を違法に達成することができる。
本論文は,1つのSMを用いて消費電力と発電電力の差を報告するネットワーク計測システムにおいて,この問題を調査する最初の研究である。
本稿では,誤読攻撃を識別するための,汎用的なマルチデータソース深層学習型検出器を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In smart grid, malicious customers may compromise their smart meters (SMs) to
report false readings to achieve financial gains illegally. Reporting false
readings not only causes hefty financial losses to the utility but may also
degrade the grid performance because the reported readings are used for energy
management. This paper is the first work that investigates this problem in the
net-metering system, in which one SM is used to report the difference between
the power consumed and the power generated. First, we prepare a benign dataset
for the net-metering system by processing a real power consumption and
generation dataset. Then, we propose a new set of attacks tailored for the
net-metering system to create malicious dataset. After that, we analyze the
data and we found time correlations between the net meter readings and
correlations between the readings and relevant data obtained from trustworthy
sources such as the solar irradiance and temperature. Based on the data
analysis, we propose a general multi-data-source deep hybrid learning-based
detector to identify the false-reading attacks. Our detector is trained on net
meter readings of all customers besides data from the trustworthy sources to
enhance the detector performance by learning the correlations between them. The
rationale here is that although an attacker can report false readings, he
cannot manipulate the solar irradiance and temperature values because they are
beyond his control. Extensive experiments have been conducted, and the results
indicate that our detector can identify the false-reading attacks with high
detection rate and low false alarm.
- Abstract（参考訳）: スマートグリッドでは、悪意のある顧客がスマートメーター(SM)を妥協して不正な読み取りを報告し、金銭的利益を違法に達成することができる。
誤った読み出しを報告することは、ユーティリティーに大きな財政的損失をもたらすだけでなく、報告された読み出しがエネルギー管理に使用されるため、グリッドのパフォーマンスを低下させる可能性がある。
本論文は,1つのSMを用いて消費電力と発電電力の差を報告するネットワーク計測システムにおいて,この問題を調査する最初の研究である。
まず、実消費電力と生成データセットを処理し、ネットメータシステムのための良性データセットを作成する。
そこで我々は,ネットワーク計測システム向けに,悪意のあるデータセットを作成するための新たな攻撃セットを提案する。
その後,データを分析し,日射量や温度などの信頼できる情報源から得られたデータと,ネットメータの読みと読みとの間の時間的相関関係を見出した。
データ解析に基づいて、偽読み攻撃を識別する汎用マルチデータソース深層学習ベース検出器を提案する。
当社の検出器は,信頼度の高い情報源からのデータに加えて,全顧客のネットメータによる読み出しを訓練し,それらの相関関係を学習することで検出性能を向上させる。
ここでの根拠は、攻撃者は誤読を報告できるが、太陽の照度や温度は制御不能であるため操作できないことである。
広範な実験が行われており, 検出精度が高く, 誤読アラームが低く, 誤読アラームが検出可能であることが示唆された。
関連論文リスト
- False Data Injection Attack Detection in Edge-based Smart Metering Networks with Federated Learning [1.2026018242953707]
本稿では、効率的なフェデレート学習フレームワークを開発することにより、新たなプライバシ保存型偽データ注入(FDI)攻撃検出を提案する。
ネットワークエッジに位置する分散エッジサーバは、MLベースのFDI攻撃検出モデルを実行し、トレーニングされたモデルをグリッドオペレータと共有する。
論文 参考訳（メタデータ） (2024-11-02T17:23:08Z) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - An Unsupervised Adversarial Autoencoder for Cyber Attack Detection in Power Distribution Grids [0.0]
本稿では,不均衡配電系統における偽データインジェクション攻撃(FDIA)を検出するために,教師なし対向オートエンコーダ(AAE)モデルを提案する。
提案手法は,オートエンコーダの構造における長期記憶(LSTM)を用いて,時系列計測における時間依存性をキャプチャする。
IEEE 13-bus と 123-bus で、歴史的気象データと歴史的実世界の負荷データを用いてテストされている。
論文 参考訳（メタデータ） (2024-03-31T01:20:01Z) - A Little Leak Will Sink a Great Ship: Survey of Transparency for Large Language Models from Start to Finish [47.3916421056009]
大規模言語モデル(LLM)は、大規模なウェブクローリングコーパスで訓練されている。
LLMは、トレーニングセットでそのようなデータが少ないにもかかわらず、ほとんどの場合、漏洩した情報を生成する。
自己検出法は既存の検出法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2024-03-24T13:21:58Z) - Federated Learning Based Distributed Localization of False Data
Injection Attacks on Smart Grids [5.705281336771011]
偽データインジェクション攻撃(False Data Injection attack, FDIA)は、悪意のあるデータを注入することで、スマート測定デバイスをターゲットにする攻撃の1つである。
本稿では,ハイブリッドディープニューラルネットワークアーキテクチャと組み合わせたフェデレート学習に基づくスキームを提案する。
提案手法をIEEE 57,118,300バスシステムおよび実電力負荷データを用いて広範囲なシミュレーションにより検証した。
論文 参考訳（メタデータ） (2023-06-17T20:29:55Z) - Can AI-Generated Text be Reliably Detected? [54.670136179857344]
LLMの規制されていない使用は、盗作、偽ニュースの生成、スパムなど、悪意のある結果をもたらす可能性がある。
最近の研究は、生成されたテキスト出力に存在する特定のモデルシグネチャを使用するか、透かし技術を適用してこの問題に対処しようとしている。
本稿では,これらの検出器は実用シナリオにおいて信頼性が低いことを示す。
論文 参考訳（メタデータ） (2023-03-17T17:53:19Z) - 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) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳（メタデータ） (2022-08-10T03:41:48Z) - Graph Neural Networks Based Detection of Stealth False Data Injection
Attacks in Smart Grids [6.188609547699017]
偽データ注入攻撃(False Data Injection attack, FDIA)は、電力グリッド内のスマート計測デバイスに偽データを注入することで、測定の完全性を破壊することを目的としている。
研究者がアルゴリズムを開発し、テストするために、汎用的で、局所的で、ステルス(観測不可能な)攻撃生成手法と、一般にアクセス可能なデータセットを提示する。
モデル駆動型アプローチとデータ駆動型アプローチを効率的に組み合わせたグラフニューラルネットワーク(GNN)に基づくFDIAのスケーラブルかつリアルタイム検出手法を提案する。
論文 参考訳（メタデータ） (2021-04-05T17:02:48Z) - SearchFromFree: Adversarial Measurements for Machine Learning-based
Energy Theft Detection [1.5791732557395552]
エネルギー盗難は世界中の電力会社に大きな経済的損失をもたらす。
本研究では,エネルギー盗難検出のための優れたMLモデルが,敵攻撃に対して極めて脆弱であることを示す。
論文 参考訳（メタデータ） (2020-06-02T19:25:38Z)
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。