論文の概要: Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning

• arxiv url: http://arxiv.org/abs/2507.00522v1
• Date: Tue, 01 Jul 2025 07:38:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.471524
• Title: Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning
• Title（参考訳）: ハイブリッド統計的深層学習を用いたデジタルサブステーション通信におけるサイバー攻撃の検出・防止・ソース位置決定
• Authors: Nicola Cibin, Bas Mulder, Herman Carstens, Peter Palensky, Alexandru Ştefanov,
• Abstract要約: 本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。 悪質なSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシと時間同期の問題に対して堅牢性を維持する。 IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。
• 参考スコア（独自算出の注目度）: 39.58317527488534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The digital transformation of power systems is accelerating the adoption of IEC 61850 standard. However, its communication protocols, including Sampled Values (SV), lack built-in security features such as authentication and encryption, making them vulnerable to malicious packet injection. Such cyber attacks can delay fault clearance or trigger unintended circuit breaker operations. While most existing research focuses on detecting cyber attacks in digital substations, intrusion prevention systems have been disregarded because of the risk of potential communication network disruptions. This paper proposes a novel method using hybrid statistical-deep learning for the detection, prevention, and source localization of IEC 61850 SV injection attacks. The method uses exponentially modified Gaussian distributions to model communication network latency and long short-term memory and Elman recurrent neural network to detect anomalous variations in the estimated probability distributions. It effectively discards malicious SV frames with minimal processing overhead and latency, maintains robustness against communication network latency variation and time-synchronization issues, and guarantees a near-zero false positive rate in non-attack scenarios. Comprehensive validation is conducted on three testbeds involving industrial-grade devices, hardware-in-the-loop simulations, virtualized intelligent electronic devices and merging units, and high-fidelity emulated communication networks. Results demonstrate the method's suitability for practical deployment in IEC 61850-compliant digital substations.
• Abstract（参考訳）: 電力システムのデジタルトランスフォーメーションは、IEC 61850標準の採用を加速している。 しかし、Sammpled Values (SV)を含む通信プロトコルには、認証や暗号化などのセキュリティ機能が組み込まれておらず、悪意のあるパケット注入に対して脆弱である。 このようなサイバー攻撃は、障害クリアランスを遅らせたり、意図しないサーキットブレーカー操作をトリガーする。 既存の研究は、デジタル変電所におけるサイバー攻撃の検出に重点を置いているが、通信ネットワーク破壊のリスクがあるため、侵入防止システムは無視されている。 本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。 この手法は指数関数的に修正されたガウス分布を用いて通信ネットワーク遅延と長時間の短期記憶をモデル化し、エルマン繰り返しニューラルネットワークを用いて推定された確率分布の異常変動を検出する。 悪意のあるSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシの変動や時間同期問題に対する堅牢性を維持し、非攻撃シナリオにおいてほぼゼロに近い偽陽性率を保証する。 インダストリアルグレードデバイス、ハードウェア・イン・ザ・ループ・シミュレーション、仮想化されたインテリジェント電子デバイスとマージユニット、高忠実なエミュレート通信ネットワークを含む3つのテストベッドで包括的検証を行う。 IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。

関連論文リスト

• ML-Enabled Eavesdropper Detection in Beyond 5G IIoT Networks [0.0]
  本稿では,盗聴検出の一般的な問題に対処するために,機械学習とディープラーニング(ML/DL)技術を活用することに焦点を当てる。 ML/DLモデルは、チャネル状態情報(CSI)、位置データ、送信電力に基づいて、ユーザーを正当または悪意のあるものと分類する。 提案した数値結果によると,DCNN と RF モデルは,誤報ゼロの盗聴者の識別に100%接近する検出精度を達成している。
  論文  参考訳（メタデータ） (2025-05-05T08:49:18Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2025-04-16T08:41:24Z)
• CryptoFormalEval: Integrating LLMs and Formal Verification for Automated Cryptographic Protocol Vulnerability Detection [41.94295877935867]
  我々は,新たな暗号プロトコルの脆弱性を自律的に識別する大規模言語モデルの能力を評価するためのベンチマークを導入する。 私たちは、新しい、欠陥のある通信プロトコルのデータセットを作成し、AIエージェントが発見した脆弱性を自動的に検証する方法を設計しました。
  論文  参考訳（メタデータ） (2024-11-20T14:16:55Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2024-11-15T15:05:01Z)
• A Novel Generative AI-Based Framework for Anomaly Detection in Multicast Messages in Smart Grid Communications [0.0]
  デジタル変電所におけるサイバーセキュリティ侵害は、電力系統の運用の安定性と信頼性に重大な課題をもたらす。 本稿では,マルチキャストメッセージのデータセットにおける異常検出(AD)のためのタスク指向対話システムを提案する。 潜在的なエラーが低く、人間の推奨するサイバーセキュリティガイドラインを考えるプロセスよりもスケーラビリティと適応性が向上します。
  論文  参考訳（メタデータ） (2024-06-08T13:28:50Z)
• 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)
• SDN-Based Dynamic Cybersecurity Framework of IEC-61850 Communications in Smart Grid [0.5399800035598186]
  電力網の変電所へのサイバー侵入はリスクをもたらす。 今日では、ソフトウェア定義ネットワーク(SDN)がサブステーション自動化システムで広く使われている。 我々は、悪意のあるIEC 61850ベースの汎用オブジェクト指向サブステーションイベント(GOOSE)メッセージの注入を検知・防止するハイブリッド侵入検知システム(IDS)の統合SDNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-20T21:49:41Z)
• Cross-Layered Distributed Data-driven Framework For Enhanced Smart Grid Cyber-Physical Security [3.8237485961848128]
  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。
  論文  参考訳（メタデータ） (2021-11-10T00:00:51Z)

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。