Fugu-MT 論文翻訳(概要): Assessment of Quantitative Cyber-Physical Reliability of SCADA Systems in Autonomous Vehicle to Grid (V2G) Capable Smart Grids

論文の概要: Assessment of Quantitative Cyber-Physical Reliability of SCADA Systems in Autonomous Vehicle to Grid (V2G) Capable Smart Grids

arxiv url: http://arxiv.org/abs/2507.21154v1
Date: Thu, 24 Jul 2025 06:57:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-30 17:08:55.0002
Title: Assessment of Quantitative Cyber-Physical Reliability of SCADA Systems in Autonomous Vehicle to Grid (V2G) Capable Smart Grids
Title（参考訳）: 自律走行車(V2G)対応スマートグリッドにおけるSCADAシステムの定量的サイバー物理信頼性の評価
Authors: Md Abdul Gaffar,
Abstract要約: 電気自動車(EV)をV2G(EV-to-Grid)システムで送電網に組み込むことは日々増えている。 V2Gは分散エネルギーストレージとアシラリーサービスを提供することでグリッド信頼性を向上させることができる。国家電力グリッドのサイバー物理的攻撃面を包含するスコープを持ち、監視および監視制御およびデータ取得(SCADA)システムに新たな脆弱性を導入している。本稿では,AV2G(Autonomous Vehicle to Grid)通信インフラによる悪意について検討し,SCADAシステムの信頼性に対する影響を評価する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The integration of electric vehicles (EVs) into power grids via Vehicle-to-Grid (V2G) system technology is increasing day by day, but these phenomena present both advantages and disadvantages. V2G can increase grid reliability by providing distributed energy storage and ancillary services. However, on the other hand, it has a scope that encompasses the cyber-physical attack surface of the national power grid, introducing new vulnerabilities in monitoring and supervisory control and data acquisition (SCADA) systems. This paper investigates the maliciousness caused by Autonomous Vehicle to Grid (AV2G) communication infrastructures and assesses their impacts on SCADA system reliability. This paper presents a quantitative reliability assessment using Bayesian attack graph combined with probabilistic capacity outage modeling based on IEEE RTS-79 system data. This work presents how AV2G-based attacks degrade system performance by using Monte Carlo simulations method, highlighting the need for cybersecurity-hardening strategies in smart grid design.
Abstract（参考訳）: 電気自動車(EV)をV2G(EV-to-Grid)システムで送電網に組み込むことは日々増えているが、これらの現象は長所と短所の両方を呈している。 V2Gは分散エネルギーストレージとアシラリーサービスを提供することでグリッド信頼性を向上させることができる。一方,国家電力網のサイバー物理攻撃面を包含する範囲を持ち,監視・監視制御・データ取得(SCADA)システムに新たな脆弱性を導入する。本稿では,AV2G(Autonomous Vehicle to Grid)通信インフラによる悪意について検討し,SCADAシステムの信頼性に対する影響を評価する。本稿では,ベイズ攻撃グラフとIEEE RTS-79システムデータに基づく確率的能力停止モデルを組み合わせた定量的信頼性評価を行う。本研究は、モンテカルロシミュレーション法を用いて、AV2Gベースの攻撃がシステム性能を低下させる方法を示し、スマートグリッド設計におけるサイバーセキュリティ強化戦略の必要性を強調した。

関連論文リスト

Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
論文参考訳（メタデータ） (2025-05-06T06:46:19Z)
Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
論文参考訳（メタデータ） (2025-01-27T20:48:25Z)
Safeguarding the Future of Mobility: Cybersecurity Issues and Solutions for Infrastructure Associated with Electric Vehicle Charging [0.0]
EV充電ステーション管理システムが提供する膨大なデータには、IoT(Internet of Things)エコシステムが使用されている。機械学習と深層学習技術によるIDS発達の加速により、侵入検知は学術において主要なトピックとなっている。本研究の目的は、偽陽性率の低い機械学習による侵入検知システムを用いて、EV充電ステーションのエコシステムを保護することである。
論文参考訳（メタデータ） (2025-01-24T21:41:38Z)
From Balance to Breach: Cyber Threats to Battery Energy Storage Systems [0.0]
電力貯蔵システムは、グリッドバランスを維持するためのソリューションとして、現代の電力システムにおいて重要な部分である。本稿では,これらのシステムを理解するための一歩を踏み出し,対象とするサイバー攻撃の効果について検討する。
論文参考訳（メタデータ） (2025-01-10T12:33:42Z)
Smart Grid Security: A Verified Deep Reinforcement Learning Framework to Counter Cyber-Physical Attacks [2.159496955301211]
スマートグリッドは戦略的なサイバー物理攻撃に対して脆弱である。悪意のある攻撃は、高ワットのIoT(Internet of Things)ボットネットデバイスを使用して電力需要を操作することができる。グリッドオペレータは、設計段階でサイバー物理攻撃の潜在的なシナリオを見落としている。本稿では,スマートグリッドに対する攻撃を緩和する安全な深層強化学習(DRL)フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T05:26:20Z)
SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。 SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
論文参考訳（メタデータ） (2024-07-17T09:01:38Z)
GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
論文参考訳（メタデータ） (2024-05-20T14:43:46Z)
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)
Context-Aware Target Classification with Hybrid Gaussian Process prediction for Cooperative Vehicle Safety systems [2.862606936691229]
自動運転車の堅牢性と安全性を改善するための潜在的な解決策として、V2X通信が提案されている。協調車両安全(CVS)アプリケーションは、下層データシステムの信頼性に強く依存している。本稿では,CVSシステムのためのコンテキスト認識ターゲット分類(CA-TC)モジュールとハイブリッド学習に基づく予測モデリング手法を提案する。
論文参考訳（メタデータ） (2022-12-24T22:03:08Z)
Evaluating Distribution System Reliability with Hyperstructures Graph Convolutional Nets [74.51865676466056]
本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2022-11-14T01:29:09Z)
An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文参考訳（メタデータ） (2021-11-13T15:03:44Z)

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。