MétaCan
Menu
Retour à la cohorte
Enregistrement W2586222769 · doi:10.1109/tsg.2017.2666046

A Class of Switching Exploits Based on Inter-Area Oscillations

2017· article· en· W2586222769 sur OpenAlexafffund
Ahmed Khalil, Abdallah Farraj, Deepa Kundur, Reza Iravani

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectric power systemOscillation (cell signaling)Power (physics)Mode (computer interface)ObservableClass (philosophy)Computer scienceTransmission (telecommunications)ExploitElectronic engineeringControl theory (sociology)EngineeringTopology (electrical circuits)Electrical engineeringTelecommunicationsPhysicsControl (management)

Résumé

récupéré en direct d'OpenAlex

This work presents a new class of cyber-physical switching attacks that targets power transmission systems. The proposed approach relies on exciting inter-area oscillation modes in a coordinated manner to drive groups of system generators out of step. Our paradigm targets inter-area oscillations by switching a relatively small part (in the order of 2%) of the system load at a (low) frequency that resonates with one of the inter-area oscillation modes observed in the power system. The switching frequency of the targeted mode is chosen through measurement-based analysis of the frequency deviation at a select bus that is observable by the adversary. The inter-area switching attack is implemented as single-load switching and coordinated multi-load switching and is studied with a variety of switching signals. Numerical results show the potential and characteristics of the proposed switching exploitation when applied to the four-machine two-area power system and the Northeast Power Coordinating Council 68-bus 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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,238
Écart entre enseignants0,216 · 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

Citations36
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetSmart Grid Security and ResilienceTravaux en français237 207