論文の概要: Joint Sensor Deployment and Physics-Informed Graph Transformer for Smart Grid Attack Detection

• arxiv url: http://arxiv.org/abs/2603.00085v1
• Date: Mon, 16 Feb 2026 06:37:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 01:20:08.037506
• Title: Joint Sensor Deployment and Physics-Informed Graph Transformer for Smart Grid Attack Detection
• Title（参考訳）: スマートグリッド検出のためのセンサ配置と物理インフォームドグラフ変換器
• Authors: Mariam Elnour, Mohammad AlShaikh Saleh, Rachad Atat, Xiang Huo, Abdulrahman Takiddin, Muhammad Ismail, Hasan Kurban, Katherine R. Davis, Erchin Serpedin,
• Abstract要約: 物理インフォームドグラフトランス (PIGTN) に基づく新しい検出モデルを提案する。 提案したPIGTNベースの検出モデルは、交流電力フロー制約を組み込むことで、目に見えない攻撃に対してよく一般化する。
• 参考スコア（独自算出の注目度）: 7.8160642765456165
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a joint multi-objective optimization framework for strategic sensor placement in power systems to enhance attack detection. A novel physics-informed graph transformer network (PIGTN)-based detection model is proposed. Non-dominated sorting genetic algorithm-II (NSGA-II) jointly optimizes sensor locations and the PIGTN's detection performance, while considering practical constraints. The combinatorial space of feasible sensor placements is explored using NSGA-II, while concurrently training the proposed detector in a closed-loop setting. Compared to baseline sensor placement methods, the proposed framework consistently demonstrates robustness under sensor failures and improvements in detection performance in seven benchmark cases, including the 14, 30, IEEE-30, 39, 57, 118 and the 200 bus systems. By incorporating AC power flow constraints, the proposed PIGTN-based detection model generalizes well to unseen attacks and outperforms other graph network-based variants (topology-aware models), achieving improvements up to 37% in accuracy and 73% in detection rate, with a mean false alarms rate of 0.3%. In addition, optimized sensor layouts significantly improve the performance of power system state estimation, achieving a 61%--98% reduction in the average state error.
• Abstract（参考訳）: 本稿では,攻撃検出の強化を目的として,電力系統における戦略的センサ配置のための多目的協調最適化フレームワークを提案する。 物理インフォームドグラフトランス (PIGTN) に基づく新しい検出モデルを提案する。 非支配的ソート遺伝的アルゴリズム-II(NSGA-II)は、実用的な制約を考慮して、センサ位置とPIGTNの検出性能を共同で最適化する。 NSGA-IIを用いて, センサ配置の組合せ空間を探索し, 提案した検出器をクローズドループ設定で同時に訓練した。 ベースラインセンサ配置法と比較して,提案手法はセンサ故障時のロバスト性や,IEEE-30, 39, 57, 118, 200バスシステムを含む7つのベンチマークケースにおける検出性能の向上を一貫して示している。 提案したPIGTNベースの検出モデルは、交流電力フローの制約を組み込むことで、目に見えない攻撃を一般化し、他のグラフネットワークベースの変種(トポロジー対応モデル)よりも優れ、精度が37%、検出速度が73%向上し、平均誤報率は0.3%向上した。 さらに、最適化されたセンサレイアウトにより、電力系統の状態推定の性能が大幅に向上し、平均状態誤差が61%から98%削減された。

関連論文リスト

• Halt the Hallucination: Decoupling Signal and Semantic OOD Detection Based on Cascaded Early Rejection [7.227431306238601]
  粗い論理による異常検出のための階層的フィルタリングを実現するカスケード早期退避(CER)フレームワークを提案する。 実験の結果、CERは計算オーバーヘッドを32%削減するだけでなく、CIFAR-100ベンチマークの大幅な性能向上も達成している。
  論文  参考訳（メタデータ） (2026-02-06T02:55:35Z)
• A Universal and Robust Framework for Multiple Gas Recognition Based-on Spherical Normalization-Coupled Mahalanobis Algorithm [16.05394499283827]
  本研究では,開集合ガス認識のための共通後処理モジュールである球正規化結合マハラノビス (SNM) モジュールを提案する。 Vergaraデータセットの実験により、Transformer+SNM構成は、複数のターゲットガス間での判別において、ほぼ理論的な限界性能を達成することが示された。
  論文  参考訳（メタデータ） (2025-12-28T05:33:05Z)
• Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
  本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。 検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。 ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
  論文  参考訳（メタデータ） (2025-10-16T13:56:54Z)
• Fast vehicle detection algorithm based on lightweight YOLO7-tiny [7.7600847187608135]
  本稿では, YOLOv7-tiny (You Only Look Once Version 7) に基づく軽量車両検出アルゴリズムGhost-YOLOv7を提案する。 モデル幅を0.5に拡大し、バックボーンネットワークの標準畳み込みをゴースト畳み込みに置き換え、より軽量なネットワークを実現し、検出速度を向上させる。 ゴーストデクルードヘッド (Ghost Deouoled Head, GDH) は、車両の位置と種を正確に予測するために使用される。
  論文  参考訳（メタデータ） (2023-04-12T17:28:30Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Cloud-Edge Collaborative Data Anomaly Detection in Industrial Sensor Networks [14.787562130002557]
  本稿では,産業用センサネットワークにおけるクラウド・エッジ協調データ異常検出手法を提案する。 それは、個々のエッジにデプロイされたセンサーデータ検出モデルと、クラウドにデプロイされたセンサーデータ分析モデルで構成される。
  論文  参考訳（メタデータ） (2022-04-21T08:03:22Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)

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。