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

در دهه گذشته، تعداد حملات سایبری به منظور هدف قرار دادن سامانه های 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 داده های 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 به منظور اثربخشی روش پیشنهادی، با تغییر در تعداد داده­های تحت آموزش، تاثیر تغییر در دقت شناسایی ارزیابی شده است که نتایج حاکی از اثر بخشی روش پیشنهادی می باشد.

کلیدواژه ها:

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