論文の概要: Cybersecurity Challenges of Power Transformers
- arxiv url: http://arxiv.org/abs/2302.13161v1
- Date: Sat, 25 Feb 2023 21:08:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 18:40:31.894656
- Title: Cybersecurity Challenges of Power Transformers
- Title(参考訳): 変圧器のサイバーセキュリティ問題
- Authors: Hossein Rahimpour, Joe Tusek, Alsharif Abuadbba, Aruna Seneviratne,
Toan Phung, Ahmed Musleh, Boyu Liu
- Abstract要約: 情報、データ分析、通信システムへの新たな電力グリッド技術への依存は、全電力ネットワークをサイバー脅威に脆弱にする。
電力トランスは電力グリッドの中で重要な役割を担い、現在では工場のアドオンやインテリジェントな監視システムを通じて拡張されている。
本稿では,電力ネットワークにおける電力変圧器の脆弱性と攻撃ベクトル,攻撃シナリオ,攻撃の危険性について検討する。
- 参考スコア(独自算出の注目度): 3.509488301177195
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rise of cyber threats on critical infrastructure and its potential for
devastating consequences, has significantly increased. The dependency of new
power grid technology on information, data analytic and communication systems
make the entire electricity network vulnerable to cyber threats. Power
transformers play a critical role within the power grid and are now commonly
enhanced through factory add-ons or intelligent monitoring systems added later
to improve the condition monitoring of critical and long lead time assets such
as transformers. However, the increased connectivity of those power
transformers opens the door to more cyber attacks. Therefore, the need to
detect and prevent cyber threats is becoming critical. The first step towards
that would be a deeper understanding of the potential cyber-attacks landscape
against power transformers. Much of the existing literature pays attention to
smart equipment within electricity distribution networks, and most methods
proposed are based on model-based detection algorithms. Moreover, only a few of
these works address the security vulnerabilities of power elements, especially
transformers within the transmission network. To the best of our knowledge,
there is no study in the literature that systematically investigate the
cybersecurity challenges against the newly emerged smart transformers. This
paper addresses this shortcoming by exploring the vulnerabilities and the
attack vectors of power transformers within electricity networks, the possible
attack scenarios and the risks associated with these attacks.
- Abstract(参考訳): 重要なインフラに対するサイバー脅威の高まりと、その破壊的な影響の可能性は大幅に増大している。
情報、データ分析、通信システムへの新たな電力グリッド技術への依存は、全電力ネットワークをサイバー脅威に脆弱にする。
電力トランスは電力グリッドの中で重要な役割を担い、後に工場のアドオンやインテリジェントな監視システムによって、トランスフォーマーのような臨界および長期リードタイムアセットの状況監視を改善するために一般的に拡張されている。
しかし、電源変圧器の接続性の向上は、サイバー攻撃の扉を開く。
そのため、サイバー脅威を検出し予防する必要性が重要になっている。
その第一歩は、電力変圧器に対するサイバー攻撃の可能性について、より深く理解することだ。
既存の文献の多くは配電網内のスマート機器に注意を払っており、提案手法の多くはモデルに基づく検出アルゴリズムに基づいている。
さらに、パワー要素、特にトランスミッションネットワーク内のトランスフォーマーのセキュリティ脆弱性に対処する作業はごくわずかである。
我々の知る限りでは、新たに登場したスマートトランスフォーマーに対するサイバーセキュリティの課題を体系的に研究する文献は存在しない。
本稿では、電力ネットワーク内の電力変圧器の脆弱性と攻撃ベクトル、攻撃シナリオ、攻撃に関連するリスクを探索することによって、この問題に対処する。
関連論文リスト
- Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳(メタデータ) (2023-04-02T08:43:03Z) - Anomaly Detection in Power Markets and Systems [0.41998444721319217]
電力網のようなサイバー物理システムは、様々な理由で異常を経験することがある。
本研究の目的は、電力系統における最も一般的なインシデントとは何かを強調し、最も一般的な問題発見方法の概要と分類を提供することである。
また、電力システムや市場における異常を識別する人工知能(AI)などの手法や手法についても論じる。
論文 参考訳(メタデータ) (2022-12-05T11:38:25Z) - Stabilizing Voltage in Power Distribution Networks via Multi-Agent
Reinforcement Learning with Transformer [128.19212716007794]
本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。
さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
論文 参考訳(メタデータ) (2022-06-08T07:48:42Z) - Transformer-Empowered 6G Intelligent Networks: From Massive MIMO
Processing to Semantic Communication [71.21459460829409]
トランスフォーマーとして知られる新しいディープラーニングアーキテクチャを導入し、その6Gネットワーク設計への影響について論じる。
具体的には、6GネットワークにおけるMIMO(Multiple-input multiple-output)システムと様々な意味コミュニケーション問題に対するトランスフォーマーベースのソリューションを提案する。
論文 参考訳(メタデータ) (2022-05-08T03:22:20Z) - Artificial Intelligence-Based Smart Grid Vulnerabilities and Potential
Solutions for Fake-Normal Attacks: A Short Review [0.0]
スマートグリッドシステムは電力業界にとって重要なものだが、その高度なアーキテクチャ設計と運用によって、多くのサイバーセキュリティの脅威にさらされている。
人工知能(AI)ベースの技術は、さまざまなコンピュータ設定でサイバー攻撃を検出することで、ますます人気が高まっている。
現在のAIシステムは、GAN(Generative Adversarial Networks)のような高度な敵系が最近出現したため、公開され、消滅している。
論文 参考訳(メタデータ) (2022-02-14T21:41:36Z) - False Data Injection Threats in Active Distribution Systems: A
Comprehensive Survey [1.9084046244608193]
いくつかの最先端技術の統合により、セキュリティとプライバシの脆弱性がいくつか導入されている。
最近の研究動向は、False Data Injection(FDI)攻撃がスマートグリッドパラダイム全体で最も悪意のあるサイバー脅威の1つになっていることを示している。
論文 参考訳(メタデータ) (2021-11-28T22:25:15Z) - The Nuts and Bolts of Adopting Transformer in GANs [124.30856952272913]
高忠実度画像合成のためのGAN(Generative Adversarial Network)フレームワークにおけるTransformerの特性について検討する。
我々の研究は、STrans-Gと呼ばれる畳み込みニューラルネットワーク(CNN)フリージェネレータであるGANにおけるトランスフォーマーの新しい代替設計につながる。
論文 参考訳(メタデータ) (2021-10-25T17:01:29Z) - A Taxonomy of Cyber Defence Strategies Against False Data Attacks in
Smart Grid [3.88835600711547]
スマートグリッドとして知られる現代の電力網は、孤立して中央制御された電力システムを高速で大規模に接続されたサイバー物理システムに急速に転換した。
膨大な数のサイバー物理的エンティティの相乗効果により、スマートグリッドは世界的なエネルギー問題に対処する上で、より効果的で持続可能なものとなりました。
しかし、データ完全性、機密性、可用性の侵害につながる多数の脆弱性も伴っている。
論文 参考訳(メタデータ) (2021-03-30T05:36:09Z) - A Survey on Visual Transformer [126.56860258176324]
Transformerは、主に自己認識機構に基づくディープニューラルネットワークの一種である。
本稿では、これらの視覚変換器モデルについて、異なるタスクで分類し、それらの利点と欠点を分析することでレビューする。
論文 参考訳(メタデータ) (2020-12-23T09:37:54Z) - Data-driven Operation of the Resilient Electric Grid: A Case of COVID-19 [0.20999222360659608]
パンデミック・新型コロナウイルス(COVID-19)は、労働力の混乱、サプライチェーンの中断、サイバーセキュリティの脅威の増加によるエネルギー信頼性のリスクを高めている。
パンデミックは、自然災害、前例のない停電、老朽化した電力網、分散世代の増加、サイバー攻撃など、他の極端な出来事の存在下で、グリッド運用にかなりの不確実性をもたらす。
論文 参考訳(メタデータ) (2020-10-05T02:14:21Z) - Robustness Verification for Transformers [165.25112192811764]
我々はトランスフォーマーのための最初のロバスト性検証アルゴリズムを開発した。
提案手法で計算したロバスト性境界は, 素粒子間境界伝播法で計算したロバスト性境界よりもかなり厳密である。
これらの境界はまた、感情分析における異なる単語の重要性を常に反映しているトランスフォーマーの解釈にも光を当てている。
論文 参考訳(メタデータ) (2020-02-16T17:16:31Z)
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。