論文の概要: Load-Altering Attacks Against Power Grids: A Case Study Using the GB-36 Bus System Open Dataset
- arxiv url: http://arxiv.org/abs/2508.08945v1
- Date: Tue, 12 Aug 2025 13:57:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-13 21:07:34.445304
- Title: Load-Altering Attacks Against Power Grids: A Case Study Using the GB-36 Bus System Open Dataset
- Title（参考訳）: 電力グリッドに対する負荷変動攻撃:GB-36バスオープンデータセットを用いた事例研究
- Authors: Syed Irtiza Maksud, Subhash Lakshminarayana,
- Abstract要約: 負荷変動攻撃(LAA)は急激な周波数変動を引き起こし、電力グリッドを不安定にする可能性がある。
本稿では,グリッドオペレータがリリースしたオープンソースデータセットを用いて,学術研究と実践的応用のギャップを埋めることを目的とする。
英国国立電力システムオペレーター(NESO)がリリースしたイギリス(GB)-36ゾーンモデルについて、実世界の送信ネットワーク上での様々なLAAシナリオを調査した。
- 参考スコア（独自算出の注目度）: 0.2455468619225742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing digitalization and the rapid adoption of high-powered Internet-of-Things (IoT)-enabled devices (e.g., EV charging stations) have increased the vulnerability of power grids to cyber threats. In particular, the so-called Load Altering Attacks (LAAs) can trigger rapid frequency fluctuations and potentially destabilize the power grid. This paper aims to bridge the gap between academic research and practical application by using open-source datasets released by grid operators. It investigates various LAA scenarios on a real-world transmission network, namely the Great Britain (GB)-36 Zone model released by the UK's National Electricity System Operator (NESO). It evaluates the threshold of LAA severity that the grid can tolerate before triggering cascading effects. Additionally, it explores how Battery Energy Storage Systems (BESS) based fast frequency response services can mitigate or prevent such impacts. Simulations are conducted using DIgSILENT PowerFactory to ensure realistic system representation. The analysis provides several useful insights to grid operators on the LAA impact, such as the influence of the relative locations of BESS and LAA, as well as how delays in attack execution can influence the overall system response.
- Abstract（参考訳）: デジタル化の進展と、高出力のIoT(Internet-of-Things)対応デバイス(例えばEV充電ステーション)の急速な採用により、サイバー脅威に対する電力グリッドの脆弱性が増大している。
特に、いわゆるロード・アルタリング・アタック(LAA)は、急激な周波数変動を引き起こし、電力グリッドを不安定にする可能性がある。
本稿では,グリッドオペレータがリリースしたオープンソースデータセットを用いて,学術研究と実践的応用のギャップを埋めることを目的とする。
イギリスの国立電力システムオペレーター(NESO)がリリースしたイギリス(GB)-36ゾーンモデル(英語版)について、実世界の送信ネットワークにおける様々なLAAシナリオを調査した。
これは、カスケード効果を引き起こす前にグリッドが許容できるLAA重症度のしきい値を評価する。
さらに、バッテリ・エナジー・ストレージ・システム(BESS)ベースの高速周波数応答サービスがどのように影響を緩和または防止するかについても検討している。
DIgSILENT PowerFactoryを用いてシミュレーションを行い、現実的なシステム表現を保証する。
この分析は、BESSとLAAの相対的な位置の影響や、攻撃実行の遅延がシステム全体の応答にどのように影響するかなど、グリッド演算子にいくつかの有用な洞察を提供する。
関連論文リスト
- Cyber-Physical Co-Simulation of Load Frequency Control under Load-Altering Attacks [1.1662899857778717]
最近登場したLoad Altering Attacks (LAA) は、負荷変動を起こすために高ワット装置のボットネットを利用している。
本稿では,電力網と対応する通信網をモデル化し,グリッド保護機構を実装したオープンソースの協調シミュレーション環境を提案する。
論文 参考訳（メタデータ） (2025-08-01T13:52:09Z) - 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) - Exploring the Effects of Load Altering Attacks on Load Frequency Control through Python and RTDS [1.1662899857778717]
負荷プロファイルを操作するために高ワット装置のボットネットを使用する負荷変更攻撃(LAA)は、グリッド安定性に対する顕著な脅威である。
本研究では,静的および動的シナリオのシミュレーションを通じて,負荷周波数制御(LFC)におけるLAAの影響を分析することにより,ギャップを橋渡しする。
その結果、LAAが周波数安定性に与える影響を強調し、動的LAAに対する固有値に基づく安定性評価を示す。
論文 参考訳（メタデータ） (2025-04-11T20:07:47Z) - Enhancing Disaster Resilience with UAV-Assisted Edge Computing: A Reinforcement Learning Approach to Managing Heterogeneous Edge Devices [3.858859576352153]
無人航空機(UAV)の形でのモバイルエッジコンピューティングは、これらのデバイスからのオフロードを提供してバッテリーを節約するために提案されている。
本稿では、ネットワークの寿命を延ばすために、電力と接続性にさらなる制約を課したUAVの使用について考察する。
強化学習は、様々なレベルの電力と通信障害のシナリオを調査するために用いられる。
論文 参考訳（メタデータ） (2025-01-25T19:03:05Z) - 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) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - Physics-Constrained Backdoor Attacks on Power System Fault Localization [1.1683938179815823]
本研究は,物理に制約されたバックドア毒殺攻撃を提案する。
学習したモデルに検出不能な攻撃信号を埋め込み、対応する信号に遭遇したときのみ攻撃を実行する。
提案した攻撃パイプラインは、他のパワーシステムタスクに容易に一般化できる。
論文 参考訳（メタデータ） (2022-11-07T12:57:26Z) - Adversarial Attacks on Deep Learning Based Power Allocation in a Massive
MIMO Network [62.77129284830945]
本稿では,大規模なマルチインプット・マルチアウトプット(MAMIMO)ネットワークのダウンリンクにおいて,逆攻撃がDLベースの電力割り当てを損なう可能性があることを示す。
我々はこれらの攻撃のパフォーマンスをベンチマークし、ニューラルネットワーク(NN)の入力に小さな摂動がある場合、ホワイトボックス攻撃は最大86%まで実現不可能な解決策をもたらすことを示した。
論文 参考訳（メタデータ） (2021-01-28T16:18:19Z)
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。