Method of Detecting FDI Attacks on Smart Grid

Martovytskyi, Vitalii; Рубан, Ігор; Лагутін, Г. І.; Ильина, Ирина Борисовна; Rykun, Volodymyr; Diachenko, V.

doi:10.1109/picst51311.2020.9468005

Cited by 4 publications

(6 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Aboelwafa et al [ 17 ] addressed an approach to detecting FDIAs in the industrial Internet of Things that exploits sensor data correlation in time and space. Martovytskyi et al [ 18 ] explored the method of FDIA detection, which is based on spatiotemporal correlation in smart grids. Berjab et al [ 19 ] presented a method for detecting FDIAs in WSNs, which uses observed spatiotemporal and multivariate attribute sensor correlations.…”

Section: Related Workmentioning

confidence: 99%

“…An adversary may employ stealthy attacks, such as constructing coherent attack signals. Most of the works [ 17 , 18 , 19 , 20 , 22 , 23 , 24 ] mentioned based on sensor measurements themselves are effective in detecting simple FDIAs, but not stealthy ones. For instance, in [ 22 ], based on the spatiotemporal correlation of sensor data, the authors used exponential weighted moving average and principal component analysis to establish a rotated ellipse area for each pair of sensors in a correlation group and detected FDIAs by determining whether the current sensor readings for each pair of sensors were located within the corresponding area of the rotated ellipse.…”

Section: Related Workmentioning

confidence: 99%

“…To further validate the effectiveness of our framework for detecting FDIAs, we performed correlation testing for various FDIA strategies on target signals. Moreover, we compared our approach with the SCCR solution given in previous work [ 18 ], where the SCCR is a consistent ellipse area formed by spatiotemporal correlations. In our experiments, the confidence degree of the consistency ellipse was set to 95%.…”

Section: Effectiveness Of the Proposed Frameworkmentioning

confidence: 99%

See 2 more Smart Citations

A Framework for Detecting False Data Injection Attacks in Large-Scale Wireless Sensor Networks

Hu,

Yang,

Yang

2024

Sensors

View full text Add to dashboard Cite

False data injection attacks (FDIAs) on sensor networks involve injecting deceptive or malicious data into the sensor readings that cause decision-makers to make incorrect decisions, leading to serious consequences. With the ever-increasing volume of data in large-scale sensor networks, detecting FDIAs in large-scale sensor networks becomes more challenging. In this paper, we propose a framework for the distributed detection of FDIAs in large-scale sensor networks. By extracting the spatiotemporal correlation information from sensor data, the large-scale sensors are categorized into multiple correlation groups. Within each correlation group, an autoregressive integrated moving average (ARIMA) is built to learn the temporal correlation of cross-correlation, and a consistency criterion is established to identify abnormal sensor nodes. The effectiveness of the proposed detection framework is validated based on a real dataset from the U.S. smart grid and simulated under both the simple FDIA and the stealthy FDIA strategies.

show abstract

Section: Related Workmentioning

confidence: 99%

Section: Related Workmentioning

confidence: 99%

Section: Effectiveness Of the Proposed Frameworkmentioning

confidence: 99%

See 1 more Smart Citation

A Framework for Detecting False Data Injection Attacks in Large-Scale Wireless Sensor Networks

Hu,

Yang,

Yang

2024

Sensors

View full text Add to dashboard Cite

show abstract

“…Precision (точність) -це співвідношення 𝑇𝑃 𝑇𝑃+𝐹𝑃 , де TP -кількість справжніх спрацьовувань, а FP -кількість хибних спрацьовувань [11]. Точністьце інтуїтивно зрозуміла здатність класифікатора не позначати негативний зразок як позитивний.…”

Section: вибір моделі ансамблевого методу і оптимізація параметрівunclassified

Модель Та Методи Виявлення Широкомасштабної Атаки В Середовищі Iot

Liashenko,

Velykodnyi,

Znaidiuk

et al. 2024

CNCS

View full text Add to dashboard Cite

Головною концепцією і предметом дослідження є виявлення різного типу обширних атак в інфраструктурі IoT, огляд представленої моделі, методів та існуючих передових систем виявлення вторгнень. Метою даної роботи є запропонування системи виявлення вторгнень в режимі реального часу, яка буде навчена на наборі з великим обсягом даних, за допомогою нейронної мережі з використанням ансамблевого методу машинного навчання. Предметом дослідження є огляд існуючих методів та моделей виявлення широкомасштабної атаки та запропонування власного рішення системи виявлення вторгнень, яка буде базуватися на методі виявлення аномалій та нейронної мережі. Висновок. Побудована система виявлення вторгнень, яка аналізує інтернет трафік, вилучає ознаки з пакету, обробляє їх та передбачує різні види атак, а також характеризує їх за типом. Загрозу безпеці можна вважати основною критичною проблемою для пристроїв IoT, тому використання таких систем зменшує ризики втрати даних.

show abstract

“…Основними з них є батареї силових конденсаторів, статичні тиристорні компенсатори реактивної потужності та синхронні компенсатори [4]. Сучасний стан радіоелектронного обладнання дозволяє ство-рювати удосконалені пристрої керування УКРП, застосування яких може радикально змінити можливості регулювання потужності і розширити сферу їх застосування для забезпечення оптимального режиму електроспоживання в системах електропостачання військових аеродромів [5][6][7][8].…”

Section: вступunclassified

Особливості Вибору Установок Компенсації Реактивної Потужності Для Систем Електропостачання Військових Аеродромів

Лагутін¹,

Panchenko²,

Uvarov³

et al. 2023

nitps

View full text Add to dashboard Cite

В статті на основі аналізу негативних наслідків від передачі реактивної потужності в електричних мережах розглянуто необхідність її компенсації, проаналізовано види компенсації реактивної потужності в систем електропостачання військових аеродромів, порядок розрахунку потужності установок компенсації реактивної потужності, визначені особливості вибору таких установок з метою покращення техніко-економічних показників експлуатації систем електропостачання.

show abstract

Method of Detecting FDI Attacks on Smart Grid

Cited by 4 publications

References 6 publications

A Framework for Detecting False Data Injection Attacks in Large-Scale Wireless Sensor Networks

A Framework for Detecting False Data Injection Attacks in Large-Scale Wireless Sensor Networks

Модель Та Методи Виявлення Широкомасштабної Атаки В Середовищі Iot

Особливості Вибору Установок Компенсації Реактивної Потужності Для Систем Електропостачання Військових Аеродромів

Contact Info

Product

Resources

About