MétaCan
Menu
Retour à la cohorte
Enregistrement W3162075735 · doi:10.1109/lsp.2021.3078696

Elimination of Undetectable Attacks on Natural Gas Networks

2021· article· en· W3162075735 sur OpenAlexfundno aff
Zisheng Wang, Rick S. Blum

Notice bibliographique

RevueIEEE Signal Processing Letters · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensnon disponible
Organismes subventionnairesNova Scotia Department of Energy
Mots-clésSCADACountermeasureComputer scienceComputer securityNatural gasOperator (biology)Network topologyElectric power systemCyber-attackPipeline (software)Smart gridVulnerability (computing)Power (physics)Computer networkEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Natural gas pipeline system operations rely heavily on Supervisory Control and Data Acquisition (SCADA) systems. While the SCADA systems introduce many advantages, they also introduce more vulnerabilities by providing opportunities for malicious cyber-attackers. If the cyber-attacks properly modify pressures, flows, and the topology the operator believes is present simultaneously, the cyber-attacks can be undetectable. While this topic has received attention for electrical grids, other cyber-physical systems have seen much less study on this topic. Natural gas networks are employed extensively to power generators in the electrical grid, so attacks on natural gas networks are very important. We have not seen any research on this topic for natural gas networks yet. The particular nonlinear equations which model natural gas networks make the analysis much more difficult. In this paper, we study undetectable attacks on natural gas networks in a signal processing perspective by describing the steady-state mathematical model and sensor measurements. We propose a countermeasure to eliminate undetectable attacks by protecting sensors in specific locations. We present an example that describes how an operator can be misled if the proposed countermeasure is not applied. In such cases, the operator could apply inappropriate control which could damage the system or cause a loss of critical gas supply to customers.

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)0,002
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Signal Processing LettersMême sujetSmart Grid Security and ResilienceTravaux en français237 207