arXiv · ML· Md. Mainul Islam, Hasan Kurban, Abdulrahman Takiddin, Muhammad Ismail, Rachad Atat, Erchin Serpedin·· 7 天前AI 评分24
受限系统知识下基于物理约束 GAN 的智能电网高影响力隐蔽虚假数据注入攻击
Stealthy, High-Impact False Data Injection Attacks in Smart Grid Using Physics-Constrained GAN with Limited System Knowledge
AI 导读
研究人员提出一种检测器无关的物理约束生成对抗网络(PCGAN),通过从历史测量数据中学习解耦的功率流灵敏度,实现在智能电网中兼顾隐蔽性与破坏力的虚假数据注入。 该模型在 IEEE 300 节点系统上测试,PCGAN 在四种传感器受损场景下平均机器检测逃逸率高达 84.28%,且其隐蔽性与影响力权衡得分(18.69%)显著优于最强竞争攻击(5.61%)。
来源:arXiv · ML · arxiv.org