تشخیص هوشمند تهدیدهای سایبری-فیزیکی چندگانه در شبکه های توزیع برق: چارچوب مبتنی بر الگوریتم های شبکه عصبی گرافی

شبکه های توزیع برق هوشمند به دلیل وابستگی فزاینده به فناوری های سایبری و فیزیکی، در معرض تهدیدهای سایبری-فیزیکی چندگانه مانند تزریق داده جعلی، حملات متخاصم، و اختلالات مبتنی بر IoT قرار دارند. این پژوهش با هدف توسعه چارچوبی هوشمند برای تشخیص این تهدیدها در شبکه های توزیع برق انجام شد. روش پژوهش مبتنی بر الگوریتم های شبکه عصبی گرافی (GNN) است که از ساختار گرافی شبکه برای مدل سازی و شناسایی الگوهای غیرعادی بهره می برد. یک دیتاست جامع شامل ۶۵,۰۰۰ نمونه گراف با ۱۰۰ گره و ۱۲ نوع حمله سایبری-فیزیکی شبیه سازی شده، طراحی شد. مدل پیشنهادی از معماری Graph Attention Network (GAT) با سه لایه استفاده می کند، پس از آموزش بر روی این دیتاست به دقتی بیش از ۸۳% در تشخیص تهدیدها دست یافت. یافته ها نشان داد که GAT در مقایسه با روش های سنتی مانند SVM و LSTM، به دلیل توانایی در بهره گیری از روابط توپولوژیکی شبکه، عملکرد بهتری در شناسایی حملات پیچیده دارد. این چارچوب می تواند به ادمین های شبکه های توزیع برق در افزایش امنیت و پایداری سیستم کمک کند و راهکاری نوین برای مقابله با تهدیدهای پیشرفته شبکه محور ارائه دهد.

کلیدواژه ها:

شبکه های توزیع برق ، تهدیدهای سایبری-فیزیکی ، شبکه عصبی گرافی ، تشخیص هوشمند ، امنیت شبکه