MétaCan
Menu
Retour à la cohorte
Enregistrement W2788748907 · doi:10.1109/tsg.2018.2809958

Enhancing WAMS Communication Network Against Delay Attacks

2018· article· en· W2788748907 sur OpenAlexafffund
Parisa Akaber, Mosaddek Hossain Kamal Tushar, Abdullah Al-Barakati, Mourad Debbabi, Chadi Assi

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésSoftware deploymentSmart gridElectric power systemGridUnits of measurementComputer scienceSystem of measurementTransmission (telecommunications)Transmission delayReal-time computingEngineeringElectronic engineeringElectrical engineeringPower (physics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Smart grid is a typical cyber-physical system, which presents the dependence of power system operations on cyber infrastructure for control, monitoring, and protection purposes. The rapid deployment of synchrophasor measurements units (PMUs) supporting wide area measurement system (WAMS) in the smart grid transmission system has opened opportunities to enhance the grid operations through the introduction of WAMS applications. However, the increased deployment of synchrophasor technologies increases the effective attack surface available to attackers and exposes WAMS applications. Such applications have strict and stringent delay requirements, e.g., end-to-end delay as well as delay variation between measurements from different PMUs. In this paper, we present a mathematical model for constructing forwarding trees for PMUs' measurements which satisfy the end-to-end delay as well as the delay variation requirements of WAMS applications at data concentrators. We illustrate that simple shortest path routing will result in larger fraction of data drop and that our method will achieve better delivery rate. We also validate our method against delay attacks using real-time co-simulation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,779
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations43
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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