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

  • سال انتشار: 1404
  • محل انتشار: پانزدهمین کنفرانس بین المللی مهندسی برق، الکترونیک و شبکه های هوشمند
  • کد COI اختصاصی: EESCONF15_008
  • زبان مقاله: فارسی
  • تعداد مشاهده: 34
دانلود فایل این مقاله

نویسندگان

نگین نظری

کارشناس مدیریت شبکه و ارتباطات شرکت توزیع برق استان کردستان، دانشجوی دکتری مهندسی نرم افزار دانشگاه علم و صنعت ایران

چکیده

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

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.