GenAI-FDIA: Modelli Generativi Ispirati alla Fisica per Attacchi di Iniezione di Dati Falsi
Un nuovo framework, GenAI-FDIA, valuta 20 architetture generative per sintetizzare attacchi di iniezione di dati falsi (FDIA) conformi alla fisica sui sistemi elettrici. I modelli includono Wasserstein GAN, MMD-VAE, flussi normalizzanti, modelli di diffusione e ibridi tra famiglie. Valutati su testbed IEEE a 14 bus DC, 30 bus DC e 14 bus AC con una suddivisione cronologica 60/20/20, tutte le architetture hanno raggiunto tassi di evasione di almeno l'86,6% contro il rilevamento di dati anomali (BDD) basato sui dati sulla rete a 14 bus. Lo studio mostra anche che limitare la conoscenza topologica dell'attaccante riduce l'efficacia dell'attacco. Il lavoro affronta la scarsità di dati nell'addestramento dei rilevatori FDIA generando attacchi ad alta fedeltà che rispettano la fisica della rete.
Fatti principali
- GenAI-FDIA valuta 20 architetture generative per la sintesi di FDIA.
- I modelli includono Wasserstein GAN, MMD-VAE, flussi normalizzanti, modelli di diffusione e ibridi.
- Valutati su testbed IEEE a 14 bus DC, 30 bus DC e 14 bus AC.
- Suddivisione cronologica 60/20/20 per training, validazione e test.
- Tutte le architetture hanno raggiunto tassi di evasione ≥ 86,6% sulla rete a 14 bus.
- Limitare la conoscenza topologica riduce l'efficacia dell'attacco.
- Affronta la scarsità di dati nel rilevamento FDIA nei sistemi elettrici.
- Pubblicato su arXiv con ID 2605.18873.
Entità
Istituzioni
- arXiv
- IEEE