首页
|
本学科首页
官方微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
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
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号