MétaCan
Menu
Retour à la cohorte
Enregistrement W1484932616 · doi:10.1109/isgt.2015.7131827

Denial of service attacks and mitigation for stability in cyber-enabled power grid

2015· article· en· W1484932616 sur OpenAlexaff
Pirathayini Srikantha, Deepa Kundur

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceDenial-of-service attackDistributed computingNash equilibriumComputer networkSmart gridTopology (electrical circuits)MicrogridGridControl reconfigurationReliability (semiconductor)Computer securityCyber-attackLatency (audio)Power (physics)Control (management)The InternetEngineeringMathematical optimizationEmbedded system

Résumé

récupéré en direct d'OpenAlex

Monitoring and actuation represent critical tasks for electric power utilities to maintain system stability and reliability. As such, the utility is highly dependent on a low latency communication infrastructure for receiving and transmitting measurement and control data to make accurate decisions. This dependency, however, can be exploited by an adversary to disrupt the integrity of the grid. We demonstrate that Denial of Service (DoS) attacks, even if perpetrated on a subset of cyber communication nodes, has the potential to succeed in disrupting the overall grid. One countermeasure to DoS attacks is enabling cyber elements to distributively reconfigure the system's routing topology so that malicious nodes are isolated. We propose a collaborative reputation-based topology configuration scheme and through game theoretic principles we prove that a low-latency Nash Equilibrium routing topology always exists for the system. Numerical results indicate that during an attack on a subset of cyber nodes, the proposed algorithm effectively enables the remaining nodes to converge quickly to an equilibrium topology and maintain dynamical stability in the specific instance of an islanded microgrid system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Security and ResilienceTravaux en français237 207