.png){kind=icon}
返回
False Data Injection Attacks on Data-Driven Algorithms in Smart Grids Utilizing Distributed Power Supplies
.png){kind=icon}
OA
AI
DOI：10.1016/j.eng.2024.11.025.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着用户侧分布式电源数量的增加，智能电网正变得更大、更复杂。这些变化带来了新的安全挑战，尤其是在数据驱动控制方法被广泛采用的情况下。本文介绍了一种新颖的黑盒虚假数据注入攻击（FDIA）方法，该方法利用智能电网中分布式电源的测量模块，突显了其绕过传统安全措施的有效性。与专注于通信网络中数据操纵的传统方法不同，本方法直接在测量点注入虚假数据，利用生成对抗网络（GAN）生成隐蔽的攻击向量。该方法无需了解目标系统的详细信息，使其适用于现实世界的攻击。通过实验展示了该攻击对电力系统稳定性的影响，突显了数据驱动算法在智能电网中引入的重大网络安全风险。
Keyword:
Cybersecurity
Data driven
Cyberattack
Generative adversarial networks
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
11.6
论文数:
2.7K
被引数:
1.5W
机构
引用论文
Machine Learning- and Artificial Intelligence-Derived Prediction for Home Smart Energy Systems with PV Installation and Battery Energy Storage具有光伏安装和电池储能的家庭智能能源系统的机器学习和人工智能预测.png)
ENERGIES
OAAI
ENERGIESIF3.2
OAAI分享收藏Ultra-wideband flexible radar- infrared bi-stealth absorber based on a patterned grapheneOPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Waste Tire Heat Treatment to Prepare Sulfur Self-Doped Char: Operando Insight into Activation Mechanisms Based on the Char Structures EvolutionProcessesOAAI
ProcessesIF0
OAAI分享收藏Wind Power Short-Term Forecasting Method Based on LSTM and Multiple Error Correction基于LSTM和多重误差修正的风电功率短期预测方法SUSTAINABILITYOAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Distribution System State Estimation and False Data Injection Attack Detection with a Multi-Output Deep Neural Network配电网状态估计与基于多输出深度神经网络的虚假数据注入攻击检测EnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容