|
|||||
|
|
| 基于深度强化学习的多阶段信息物理协同拓扑攻击方法 | |
| 作者姓名： | 伊娜 徐建军 陈月 孙迪康 |
| 作者单位： | 东北石油大学电气信息工程学院, 黑龙江 大庆 163318;黑龙江八一农垦大学工程学院, 黑龙江 大庆 163319 |
| 基金项目： | 国家自然科学基金资助项目（51774088）执行起止时间：2018年01月01日-2021年12月31日；基金题目：电场作用下表面活性剂在多孔介质中传质动力学特性研究；作者徐建军为国家自然科学基金的申请人；目前暂未有其他基金项目。 |
| 摘 要： | 随着智能电网的发展及通信设备不断引入到信息物理系统(cyber physical system，CPS)中，CPS正面临一种破坏性更强的新型攻击方式——信息物理协同攻击(coordinated cyber physical attack，CCPA)，其隐蔽性与威胁性易导致系统出现级联故障。首先，基于攻击者的视角，提出一种多阶段信息物理协同拓扑攻击模型，单阶段的物理攻击使线路中断，双阶段的网络攻击分别用来掩盖物理攻击的断开线路和制造一条新的虚假断开线路。其次，结合深度强化学习(deep reinforcement learning,DRL)理论，提出一种基于深度Q网络(deep Q-network，DQN)的最小攻击资源确定方法。然后，给出攻击者考虑上层最大化物理攻击效果和下层最小化攻击代价的具体模型及求解方法。最后，以IEEE 30节点系统为例，验证了所提多阶段攻击模型的有效性。仿真结果表明，多阶段信息物理协同拓扑攻击较单一攻击更加隐蔽且有效，对电网的破坏程度更大，为防御此类攻击提供了参考。 |
| 关 键 词： | 信息物理系统(CPS) 信息物理协同攻击(CCPA) 拓扑攻击 负荷重分配攻击 深度强化学习(DRL) 深度Q网络(DQN)算法 |
| 收稿时间： | 2023/1/18 0:00:00 |
| 修稿时间： | 2023/3/9 0:00:00 |
A multi-stage coordinated cyber-physical topology attack method based on deep reinforcement learning |
|
| Authors: | YI N XU Jianjun CHEN Yue SUN Dikang |
| Affiliation: | School of Electrical Engineering and Information, Northeast Petroleum University, Daqing 163318, China;College of Engineering, Heilongjiang Bayi Agricultural University, Daqing 163319, China |
| Abstract: | |
| Keywords: | cyber physical system (CPS) coordinated cyber physical attack (CCPA) topology attack load redistribution attack deep reinforcement learning (DRL) deep Q-network (DQN) algorithm |
| 点击此处可从《》浏览原始摘要信息 | |
| 点击此处可从《》下载全文 | |