基于深度强化学习的多阶段信息物理协同拓扑攻击方法

基于深度强化学习的多阶段信息物理协同拓扑攻击方法
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。

标题：
基于深度强化学习的多阶段信息物理协同拓扑攻击方法
A multi-stage coordinated cyber-physical topology attack method based on deep reinforcement learning

作者：
伊娜，徐建军，陈月，孙迪康
YI Na, XU Jianjun, CHEN Yue, SUN Dikang

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
cyber physical system (CPS);coordinated cyber physical attack (CCPA);topology attack;load redistribution attack;deep reinforcement learning (DRL);deep Q-network (DQN) algorithm

2025-1-23 19:59 上传 基于深度强化学习的多阶段信息物理协同拓扑攻击方法.pdf

文件大小:

1.87 MB

下载次数:

60

高速下载