مدل سازی و شناسایی حملات سایبری در رله حفاظت اضافه جریان بر اساس تحلیل منطقی سیگنال های شبکه
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 23، شماره: 0
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 107
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-23-0_019
تاریخ نمایه سازی: 26 فروردین 1405
چکیده مقاله:
حملات سایبری به رله های حفاظتی سبب خاموشی شبکه قدرت می شوند. هر گونه دستکاری در سیگنال های خروجی و ورودی رله ها و تنظیمات آنها حمله سایبری محسوب می شود. معرفی روش جامعی که با استفاده از سیگنال های موجود در شبکه و در کمترین زمان محاسباتی تشخیص و کلاسه بندی حملات را انجام دهد یک نیاز ضروری شبکه قدرت می باشد. در این مقاله ابتدا مدل جدیدی از رله های اضافه جریان مبتنی بر دو پارامتر جریان پیک آپ و جریان پایش پیشنهاد می شود و سپس حملاتی شامل توقف سرویس دهی، تزریق داده نادرست در مقادیر اندازه گیری ، تغییر مقادیر تنظیمی رله در محیط نرم افزار Matlab/Simulink بر روی شبکه نه باس و سه ماشین استاندارد IEEE پیاده سازی می شود. نتایج نشان می دهد که مدل پیشنهادی تشخیص مبتنی بر ایجاد روابط منطقی بین جریان پیک آپ، جریان پایش، توالی مثبت و منفی ولتاژ و جریان و فرمان ارسالی از رله به کلید ها عملکرد قابل قبولی با دقت بالا و بدون تشخیص کاذب و زمان تشخیص ۱۷ میلی ثانیه در شبیه سازی ارائه می دهد. این روش نسبت به سایر تکنیک های تشخیص برتری دارد زیرا به نقطه عملیاتی، طرح حفاظت رله و نوع حمله سایبری وابسته نیست. منطق پیشنهادی قابلیت تمایز انواع خطاهای متقارن، غیر متقارن و حملات سایبری تکی و چند گانه را دارد و برای رسیدن به این هدف صرفا نیاز به تعداد بیشتری سیگنال از باس های مختلف و رله ها دارد.
کلیدواژه ها:
نویسندگان
محمد یوسفی کیا
دانشکده مهندسی برق، دانشگاه شهید چمران اهواز، اهواز، ایران
محسن صنیعی
دانشکده مهندسی برق، دانشگاه شهید چمران اهواز، اهواز، ایران
سید قدرت اله سیف السادات
دانشکده مهندسی برق، دانشگاه شهید چمران اهواز، اهواز، ایران
علیرضا صفاریان
دانشکده مهندسی برق، دانشگاه شهید چمران اهواز، اهواز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :