ترجمه مقاله تشخیص مشارکتی و توزیع شده مبتنی بر هاست برای حملات تزریقی داده نادرست – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
تشخیص مشارکتی و توزیع شده مبتنی بر هاست برای حملات تزریقی داده های نادرست در سیستم فیزیکی سایبری (CPS) مبتنی بر شبکه هوشمند
عنوان انگلیسی مقاله:
Distributed host-based collaborative detection for false data injection attacks in smart grid cyber-physical system
کلمات کلیدی مقاله:
سیستم فیزیکی سایبری- شبکه هوشمند، حمله تزریق داده نادرست، مشارکتی توزیع شده مبتنی بر هاست، سیستم اعتبار تطبیقی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و فناوری اطلاعات، مهندسی برق
مناسب برای گرایش های دانشگاهی زیر:
اینترنت و شبکه های گسترده، شبکه های کامپیوتری، معماری سیستم های کامپیوتری، امنیت اطلاعات، سیستمهای قدرت
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
نکات برجسته
چکیده
1- مقدمه
2- کار مرتبط
3- مدل ها و اهداف طراحی
1-3- مدل سیستم
2-3- مدل تهدید
3-3- اهداف طراحی
4- روش DHCD پیشنهادی
1-4- FDD مشارکتی
2-4- تعیین PMU سازگار(آسیب دیده)
5. ارزیابی عملکرد
1-5- کارایی الگوریتم FDD
2-5- شناسایی PMUs سازگارشده توسط سیستم اعتبار ما
6- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
False data injection (FDI) attacks are crucial security threats to smart grid cyber-physical system (CPS), and could result in cataclysmic consequences to the entire power system. However, due to the high dependence on open information networking, countering FDI attacks is challenging in smart grid CPS. Most existing solutions are based on state estimation (SE) at the highly centralized control center; thus, computationally expensive. In addition, these solutions generally do not provide a high level of security assurance, as evidenced by recent work that smart FDI attackers with knowledge of system configurations can easily circumvent conventional SE-based false data detection mechanisms. In this paper, in order to address these challenges, a novel distributed host-based collaborative detection method is proposed. Specifically, in our approach, we use a conjunctive rule based majority voting algorithm to collaboratively detect false measurement data inserted by compromised phasor measurement units (PMUs). In addition, an innovative reputation system with an adaptive reputation updating algorithm is also designed to evaluate the overall running status of PMUs, by which FDI attacks can be distinctly observed. Extensive simulation experiments are conducted with real-time measurement data obtained from the PowerWorld simulator, and the numerical results fully demonstrate the effectiveness of our proposal.
چکیده
حملات تزریقی داده های نادرست(FDI)، تهدیدات امنیتی مهمی برای سیستم فیزیکی سایبری(CPS) مبتنی بر شبکههوشمند محسوب می شوند، و می تواند منجر به ایجاد فواجع عظیمی در سراسر سیستم قدرت شود. با این حال، مقابله با حملات FDI در CPS مبتنی بر شبکه هوشمند، به دلیل وابستگی شدید به شبکه های اطلاعاتی آزاد چالش برانگیز است. اکثر راهحلهای موجود از نظر محاسباتی گران و بر اساس تخمین حالت (SE) در مرکز کنترل بسیار متمرکز هستند. همچنین این راهحلها بطور کلی، سطح بالایی از تضمین امنیت را فراهم نمیکند، براساس شواهدکارهای اخیر، مشخصاست که حملهکنندگان هوشمندFDI، با شناخت از ساختار سیستم، براحتی میتوانند سیستمهای تشخیصی مبتنی بر SEمربوط به حملات داده های نادرست را دور بزنند. در این مقاله، یک روش تشخیص مشارکتی و توزیع شده نوین مبتنی برهاست، به منظور رسیدگی به این چالش هاپیشنهاد شده است. ما بطور خاص از الگوریتم رای اکثریت، مبتنی بر قواعد مشترک استفاده می‌کنیم تا داده‌های اندازه‌گیری نادرست و مندرج که با واحد اندازه‌گیری فازور(PMUs) سازگار شده است، را بصورت مشارکتی تشخیص دهیم. علاوه براین، یک سیستم اعتبار بصورت خلاقانه به همراه الگوریتم بروز رسانی مبتنی بر اعتبار تطبیقی، برای ارزیابی وضعیت اجرای PMU ها طراحی شده است که با استفاده آن میتوانیم بصورت آشکار حملات FDI را مشاهده کنیم. آزمایشات شبیه سازی جامعی با داده های اندازه گیری زمان واقعی انجام میدهیم که با استفاده از شبیه ساز پاور ورلد حاصل شده است، و نتایج عددی اثربخشی طرح پیشنهاد ما را تایید میکند.
