基于部分配置信息的错误数据注入攻击

分析了电力系统配置矩阵,并提出了基于部分配置信息的的错误数据注入攻击,使得攻击者的第一个攻击需求也是最强的一个攻击需求得到了大幅度的减弱.最后通过对IEEE测试系统进行仿真分析,验证了方案的有效性和可行性.

基于DeepWalk算法的电力系统错误数据注入网络攻击分类方法

为了准确、有效地识别错误数据注入攻击(FDIA)对电网造成危害的严重程度,提出了基于DeepWalk算法的FDIA分类新方法。根据FDIA的特点,构建电力系统的响应模型;提出批量随机边删减策略,将响应模型生成的攻击数据构造为攻击场景图;采用DeepWalk算法将攻击场景图中的节点映射为低维向量,并将其作为机器学习算法的输入对FDIA进行分类。以遭受FDIA的IEEE 39节点系统为例进行仿真,结果表明所提方法可以根据FDIA对电网造成危害的严重程度准确、有效地对FDIA进行分类。

基于概率统计的错误数据注入攻击

信息战的威胁越来越被大家所重视。错误数据注入攻击,通过危害电力系统状态估计,给电力系统的安全和可靠运行产生了巨大的威胁。然而它也给攻击者提出了很高的要求。从降低错误数据注入攻击条件出发,构建了基于概率统计的错误数据注入攻击。该方案允许攻击者在只能操纵一个电表测量值的情况下仍可以发起影响弱化的错误数据注入攻击。随着可操纵的测量值数增加,攻击影响逐渐增大,并最终与原始方案无缝衔接。最后通过仿真分析,验证了方案的有效性和可行性。

基于多元统计法的入侵检测系统设计与分析

设计了基于多元统计法的入侵检测系统,用来检测针对过程控制系统的错误数据注入(FDI,False Data Injection)攻击。首先,建立了FDI攻击模型;其次,将FDI攻击模型应用到田纳西伊斯曼(TE)过程控制系统,验证攻击模型的有效性;最后,为了检测攻击模型对TE过程的影响,设计了两个基于主元成分分析(PCA)与核主元成分分析(KPCA)算法的入侵检测系统。实验结果表明:两种IDS都能够有效检测到数据异常,并且,KPCA算法比PCA在数据检测方面拥有更好的性能。