論文の概要: Cross-Layered Distributed Data-driven Framework For Enhanced Smart Grid
Cyber-Physical Security
- arxiv url: http://arxiv.org/abs/2111.05460v1
- Date: Wed, 10 Nov 2021 00:00:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 23:25:39.221642
- Title: Cross-Layered Distributed Data-driven Framework For Enhanced Smart Grid
Cyber-Physical Security
- Title(参考訳): スマートグリッドサイバーフィジカルセキュリティ強化のためのクロスレイヤ分散データ駆動フレームワーク
- Authors: Allen Starke, Keerthiraj Nagaraj, Cody Ruben, Nader Aljohani, Sheng
Zou, Arturo Bretas, Janise McNair, Alina Zare
- Abstract要約: Adaptive Statisticsを使用したクロスレイヤアンサンブルCorrDetが紹介される。
故障したSG測定データの検出と、ネットワーク間時間と送信遅延の一貫性の欠如を統合する。
その結果,CECD-ASは複数のFalse Data Injection, Denial of Service (DoS) および Man In The Middle (MITM) 攻撃を高いF1スコアで検出できることがわかった。
- 参考スコア(独自算出の注目度): 3.8237485961848128
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart Grid (SG) research and development has drawn much attention from
academia, industry and government due to the great impact it will have on
society, economics and the environment. Securing the SG is a considerably
significant challenge due the increased dependency on communication networks to
assist in physical process control, exposing them to various cyber-threats. In
addition to attacks that change measurement values using False Data Injection
(FDI) techniques, attacks on the communication network may disrupt the power
system's real-time operation by intercepting messages, or by flooding the
communication channels with unnecessary data. Addressing these attacks requires
a cross-layer approach. In this paper a cross-layered strategy is presented,
called Cross-Layer Ensemble CorrDet with Adaptive Statistics(CECD-AS), which
integrates the detection of faulty SG measurement data as well as inconsistent
network inter-arrival times and transmission delays for more reliable and
accurate anomaly detection and attack interpretation. Numerical results show
that CECD-AS can detect multiple False Data Injections, Denial of Service (DoS)
and Man In The Middle (MITM) attacks with a high F1-score compared to current
approaches that only use SG measurement data for detection such as the
traditional physics-based State Estimation, Ensemble CorrDet with Adaptive
Statistics strategy and other machine learning classification-based detection
schemes.
- Abstract(参考訳): スマートグリッド(sg)の研究と開発は、社会、経済、環境に大きな影響を与えるため、学界、産業、政府から多くの注目を集めてきた。
SGのセキュリティは、物理的プロセス制御を支援するための通信ネットワークへの依存が増加し、様々なサイバー脅威にさらされているため、非常に大きな課題である。
False Data Injection (FDI) 技術を用いて測定値を変更する攻撃に加えて、通信ネットワークに対する攻撃は、メッセージの傍受や不要なデータによる通信チャネルの浸水によって、電力システムのリアルタイム操作を妨害する可能性がある。
これらの攻撃に対処するには、クロスレイヤアプローチが必要だ。
本稿では,誤りsg測定データの検出と不整合なネットワーク間通信時間と伝送遅延を統合し,より信頼性が高く正確な異常検出と攻撃解釈を行うクロスレイヤーアンサンブルコルデット(cecd-as)というクロスレイヤー戦略を提案する。
数値計算の結果,cecd-asは,従来の物理ベースの状態推定や適応統計戦略を用いたアンサンブルコルデット,その他の機械学習分類に基づく検出手法など,sg計測データのみを使用する現在の手法と比較して,高いf1-scoreで複数の偽データインジェクション,dos(denial of service)およびman in the middle(mitm)攻撃を検出できることがわかった。
関連論文リスト
- FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳(メタデータ) (2024-03-26T08:51:23Z) - 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) - A high throughput Intrusion Detection System (IDS) to enhance the security of data transmission among research centers [39.65647745132031]
本稿では,商用FPGA開発ボードを用いたパケットスニファーを提案する。
このシステムは,データ伝送速度を100Gbit/sまで確実に拡張できることを示す予備的な結果とともに,10Gbit/sのデータスループットをサポートすることができる。
特に、ポイントツーポイントのネットワーク接続が支配的な大学や研究センターのセキュリティに向いている。
論文 参考訳(メタデータ) (2023-11-10T14:30:00Z) - A Variational Autoencoder Framework for Robust, Physics-Informed
Cyberattack Recognition in Industrial Cyber-Physical Systems [2.051548207330147]
我々は、産業制御システムに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発する。
このフレームワークは、可変オートエンコーダ(VAE)、リカレントニューラルネットワーク(RNN)、ディープニューラルネットワーク(DNN)を組み合わせたハイブリッド設計である。
論文 参考訳(メタデータ) (2023-10-10T19:07:53Z) - 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) - Prevention of cyberattacks in WSN and packet drop by CI framework and
information processing protocol using AI and Big Data [0.0]
本研究では、認知知能(CI)フレームワーク、情報処理プロトコル、高度な人工知能(AI)およびビッグデータ分析アプローチを統合する。
このフレームワークは、DoS(DoS)攻撃、ノードの妥協、データ改ざんなど、さまざまなタイプの攻撃を検出し、防止することができる。
パケットドロップの発生に対して非常に耐性があり、WSN全体の信頼性と性能を向上させる。
論文 参考訳(メタデータ) (2023-06-15T19:00:39Z) - Effective Intrusion Detection in Highly Imbalanced IoT Networks with
Lightweight S2CGAN-IDS [48.353590166168686]
モノのインターネット(IoT)ネットワークは、異常なトラフィックよりも遥かに良質なトラフィックを含んでいる。
既存研究の多くは、少数民族の検出率を向上させるために、多数民族の検出率を犠牲にすることに焦点を当てている。
我々はS2CGAN-IDSという軽量なフレームワークを提案し、データ空間と特徴空間の両方においてマイノリティなカテゴリの数を拡大する。
論文 参考訳(メタデータ) (2023-06-06T14:19:23Z) - 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) - Deep Learning based Covert Attack Identification for Industrial Control
Systems [5.299113288020827]
我々は、スマートグリッドに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発した。
このフレームワークは、オートエンコーダ、リカレントニューラルネットワーク(RNN)とLong-Short-Term-Memory層、Deep Neural Network(DNN)を組み合わせたハイブリッド設計である。
論文 参考訳(メタデータ) (2020-09-25T17:48:43Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z) - Deep Anomaly Detection for Time-series Data in Industrial IoT: A
Communication-Efficient On-device Federated Learning Approach [40.992167455141946]
本稿では,IIoTにおける時系列データ検出のための,新しい通信効率の高いデバイス上でのフェデレーション学習(FL)に基づく深層異常検出フレームワークを提案する。
まず、分散エッジデバイスが協調して異常検出モデルを訓練し、その一般化能力を向上させるためのFLフレームワークを導入する。
次に,アテンションメカニズムに基づく畳み込みニューラルネットワーク-Long Short Term Memory (AMCNN-LSTM) モデルを提案し,異常を正確に検出する。
第三に,提案したフレームワークを産業異常検出のタイムラインに適用するために,トップテキスト選択に基づく勾配圧縮機構を提案する。
論文 参考訳(メタデータ) (2020-07-19T16:47:26Z)
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。