|
رویکرد مبتنی بر یادگیری عمیق برای شناسایی حمله تزریق داده جعلی در شبکههای هوشمند
|
علیرضا سلطانی   ، حمیدرضا بقائی* ، محمودرضا حقی فام |
| دانشگاه تربیت مدرس ، hrbaghaee@modares.ac.ir |
|
|
چکیده: (18 مشاهده) |
چکیده
با گسترش شبکههای توزیع هوشمند و افزایش تهدیدات سایبری، ایمنسازی سیستمهای قدرت به ضرورتی حیاتی تبدیل شده است. حملات تزریق داده جعلی از جمله مخربترین تهدیدات هستند که با دور زدن مکانیزمهای تشخیص سنتی، ثبات سیستم را به خطر میاندازند. در این پژوهش، یک مدل تشخیصی مبتنی بر رمزگذار خودکار گراف (Graph Autoencoder) ارائه شده است که با رویکردی پیشگیرانه به شناسایی این حملات در شبکه توزیع IEEE 33 باسه میپردازد. مدل پیشنهادی در چارچوب یک معماری یادگیری عمیق طراحی گردیده و با بهرهگیری از قابلیتهای شبکه عصبی گرافی، الگوهای عادی عملکرد شبکه را آموخته و از طریق محاسبه خطای بازسازی، حملات را شناسایی مینماید. نتایج حاکی از آن است که مدل ارائهشده بالای 98 درصد قادر به تشخیص مؤثر ناهنجاریها بوده و منجر به بهبود عملکرد سیستم حفاظتی میگردد. |
|
|
| واژههای کلیدی: شبکه هوشمند تشخیص ناهنجاری حمله سایبری یادگیری عمیق رمزگذار خودکار گراف شبکه عصبی گرافی |
|
|
متن کامل [PDF 927 kb]
(15 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
شبکه هاي هوشمند انرژي
دریافت: 1404/9/12 | پذیرش: 1404/11/6 | انتشار: 1404/3/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
