On Propagation of Cyber-Attacks in Wide-Area Measurement Systems
Notice bibliographique
Résumé
Power grids are critical cyber-physical systems that employ advanced Information and Communication Technologies (ICTs), e.g., Wide Area Measurement Systems (WAMSs), to deliver the energy to end users reliably and efficiently. WAMSs are used to collect real-time data from Phasor Measurement Units (PMUs) to improve the operator's situational awareness, as well as to enhance real-time monitoring and control of power systems. The WAMS, however, is vulnerable to cyber-attacks due to the susceptibility of its components-such as PMUs and Phasor Data Concentrators (PDCs)-and the lack of embedded security mechanisms in its communication protocols. Some more-destructive cyber-attacks, such as malware injection, can propagate themselves into the components of a WAMS through the communication network. Thus, in such attacks, an attacker can compromise a larger number of components, resulting in more-severe consequences. Therefore, investigating the propagation of cyber-attacks in WAMSs and devising effective countermeasures for this problem are of paramount importance. On this basis, this paper initially develops a model to analyze cyber-attack propagation in WAMS. Then, the impacts of the attacker's capability and the network operator's defensive ability on attack propagation are investigated in detail. Such a study can elucidate the required security measures and defensive strategies to prevent the spread of cyber-attacks in WAMSs. Finally, a Learning-Based Framework (LBF) is developed to estimate the attacker's capability. The simulation results corroborate the effectiveness of the proposed LBF in estimating the attacker's capability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».