Multi-Objective Evolutionary Optimization for Worst-Case Analysis of False Data Injection Attacks in the Smart Grid
Notice bibliographique
Résumé
False data injection attacks (FDIA) have drawn significant interests recently after the discovery of vulnerabilities of bad data detectors (BDD) deployed in the smart grid. While most FDIA analyses focused separately on the aspects of stealthiness, knowledge, resources, or expected consequences of the attack, few have evaluated the relationship and tradeoffs among these factors to identify the worst-case scenario in realistic operations. To fill the gap, this paper investigates a strictly stealthy FDIA scheme with multi-objective evolutionary optimization, which could compromise a small set of meters to inflict large impacts on the smart grid in realistic scenarios. Compared with existing attack schemes that relax the problem with the ℓ <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">1</sub> -norm, the paper introduced the Improved Strength Pareto Evolutionary Algorithm (SPEA2) as the solver to directly obtain the ℓ <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">0</sub> -sparse attack vector. Meanwhile, the unobservability is ensured by not only bypassing the BDD but also satisfying the physical and operational constraints. A three-step constraint handling technique is also proposed for the SPEA2 to ensure the stealthiness and improve the efficiency of attack vector identification in the worst-case scenario. Simulation results on the IEEE 14-bus and 30-bus systems demonstrate that the new multi-objective formulation discovers highly sparse attack vectors with significant impacts on the system without triggering immediate emergency responses. The influence of alternative objectives and constraints has also been evaluated to reveal the trade-offs among the attack's stealthiness, sparsity, and impact. The results are expected to facilitate better-informed risk assessment and mitigation with refined worst-case understandings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».