شناسایی تزریق داده کاذب در سامانه قدرت با استفاده از روش‌های یادگیری عمیق مبتنی بر خودرمزگذار

Abstract

در دهه گذشته، تعداد حملات سایبری به‌منظور هدف قرار دادن سامانه‌های قدرت که سبب خسارات فیزیکی و اقتصادی می­گردد، افزایش یافته است. حملات تزریق داده کاذب، از جمله حملات سایبری می­باشند که بر سامانه نظارت شبکه­های برق اثر می­گذارد. حملات با تزریق داده کاذب، با دستکاری در تخمین حالت سامانه قدرت، سبب به خطر انداختن شبکه قدرت می­شود، همچنین به تازگی برقدزدی یکی از اهداف تزریق داده کاذب قرار گرفته است. روش­های یادگیری ماشینی، یکی از راهکارهای تشخیص داده‌های کاذب است. در این مقاله، ابتدا با استفاده از روش خودرمزگذار عمیق، ابعاد مسئله، تعداد ورودی برای طبقه­بندی مسئله و شناسایی، کاهش یافته و سپس با استفاده از روش بردار ماشین پشتیبانی و آموزش داده­ها، عمل شناسایی انجام شده است. روش تشخیص، برای سامانه­های ۱۴ و ۱۱۸ شینه IEEE مورد بررسی و مقایسه قرار گرفته و دقت هر روش بر اساس نتایج شبیه­سازی طبقه­بندی شده و همچنین به‌منظور اثربخشی روش پیشنهادی، با تغییر در تعداد داده­های تحت آموزش، تأثیر تغییر در دقت شناسایی ارزیابی شده است که نتایج حاکی از اثر بخشی روش پیشنهادی می‌باشد.

Keywords

• داده کاذب
• حملات سایبری
• یادگیری عمیق
• کاهش ابعاد مسئله