.png){kind=icon}
返回
Enhancing Smart Grid Security: A Robust Framework for Detecting False Data Injection Attacks
.png){kind=icon}
PRE
AI
DOI：10.1007/s40313-025-01210-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着智能电网中信息物理系统集成度的不断提高，其对网络攻击的脆弱性也随之增加，特别是虚假数据注入攻击（FDIAs），该攻击通过操纵测量数据以绕过传统的坏数据检测机制。本文提出了一种基于模型的鲁棒性框架，用于在电力系统中检测FDIAs，该框架结合了自适应扩展卡尔曼滤波器（AEKF）与加权最小二乘法（WLS）状态估计。首先，引入了一种改进的动态状态预测方法，利用三参数指数平滑来最小化非线性系统中的线性化误差，并提高状态估计的精度。其次，AEKF动态调整过程噪声和测量噪声协方差，以抑制恶意数据的影响，确保在不同攻击强度下实现鲁棒的状态估计。第三，开发了一种新的状态估计差异检测（SEDD）方法，利用AEKF（动态）和WLS（静态）估计器之间的固有差异，能够可靠地检测隐蔽的FDIAs。IEEE 14节点和30节点系统的仿真结果表明了该框架的有效性。
Keyword:
Smart grid
False data injection attacks
AEKF
Exponential smoothing
Detection
期刊
J
IF:
1.3
论文数:
105
被引数:
1.1K
机构
暂无机构信息
引用论文
分享收藏Detection of False Data Injection Attacks in Distribution Networks: A Vertical Federated Learning Approach分布式网络中虚假数据注入攻击的检测: 一种垂直联邦学习方法
OAAI
OAAI分享收藏Anomaly Detection and State Correction in Smart Grid Using EKF and Data Compensation Techniques.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏
查看更多内容