MétaCan
Menu
Retour à la cohorte
Enregistrement W4387411723 · doi:10.1109/icrera59003.2023.10269439

Resilient DoS Attack Detector Design for Cyber-Physical Systems

2023· article· en· W4387411723 sur OpenAlexafffund
Jin Li, Youmin Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDenial-of-service attackComputer scienceSmart gridCyber-physical systemController (irrigation)Electric power systemGridTelecommunications networkTransmission (telecommunications)Distributed computingComputer networkComputer securityPower (physics)EngineeringTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper studies the attack detection problem for smart grids in the cyber-physical systems (CPSs) framework. In the open communication network, systems will inevitably be affected by interferences of external environment, such as weather (naturally) and network attacks (artificially), which will cause the fluctuations of power grids. These network attacks, such as denial-of-service (DoS) attacks, will block a certain amount of signal transmission, thus reducing the performance of the load control scheme and even leading to the instability of the smart grids. First, a dynamic model is established to describe the smart grid's physical systems. Then the hypothesis of DoS attack's frequency and duration is given. A flexible, resilient controller is designed to ensure the stability of the input of the closed-loop system. An appropriate sampling mechanism is determined to achieve an effective compromise balance between system performance and communication resources. Finally, the effectiveness of the proposed method is verified by the simulation of a smart grid 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 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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,650

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 Opus0,036
Tête enseignante GPT0,265
Écart entre enseignants0,229 · 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Security and ResilienceTravaux en français237 207