شناسایی تزریق داده کاذب در سامانه قدرت با استفاده از روشهای یادگیری عمیق مبتنی بر خودرمزگذار | ||
| پدافند الکترونیکی و سایبری | ||
| دوره 10، شماره 2 - شماره پیاپی 38، پاییز 1401، صفحه 11-17 اصل مقاله (1.14 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمد بخشی پور1؛ فرهاد نامداری* 2؛ محمدباقر دولتشاهی3 | ||
| 1دانشجوی دکتری، گروه آموزشی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، لرستان، ایران | ||
| 2دانشیار، گروه برق، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، لرستان، ایران | ||
| 3استادیار، گروه آموزشی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، لرستان، ایران | ||
| چکیده | ||
| 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. | ||
| کلیدواژهها | ||
| داده کاذب؛ حملات سایبری؛ یادگیری عمیق؛ کاهش ابعاد مسئله | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,223 تعداد دریافت فایل اصل مقاله: 596 |
||