利用半监督生成对抗网络和基于支持向量机的合成少数类过采样技术保障广域阻尼控制器免受网络攻击

《Journal of Modern Power Systems and Clean Energy》:Securing Wide-Area Damping Controller Against Cyber Attacks Using Semi-Supervised Generative Adversarial Network and Support Vector Machine-based Synthetic Minority Oversampling Technique

【字体: 大 中 小 】 时间:2026年02月04日 来源:Journal of Modern Power Systems and Clean Energy 6.2

编辑推荐:

  广域测量系统使得广域阻尼控制器(WADC)的测量和控制信号在智能电网中得以传输。然而,通信网络的脆弱性使WADC容易受到恶意网络攻击,如虚假数据注入(FDI)攻击和拒绝服务(DoS)攻击。研究人员开发了许多监督式机器学习和基于模型的解决方案用于攻击检测。然而,

  
广域测量系统使得广域阻尼控制器(WADC)的测量和控制信号在智能电网中得以传输。然而,通信网络的脆弱性使WADC容易受到恶意网络攻击,如虚假数据注入(FDI)攻击和拒绝服务(DoS)攻击。研究人员开发了许多监督式机器学习和基于模型的解决方案用于攻击检测。然而,部分标记的攻击数据、偏斜的类别分布以及精确数学模型的需求对实际攻击检测提出了重大挑战。本文介绍了一种抵御网络攻击的广域阻尼控制器(CyResWadc)系统框架来应对这些挑战。所提出的框架利用半监督生成对抗网络(SSGAN)模型来处理部分标记的攻击数据。它利用基于支持向量机的合成少数类过采样技术(SVM-SMOT)进行数据过采样以管理偏斜的类别分布。此外,探测信号被用于激励电力系统,促进在不同运行条件下生成合成攻击场景。如果检测到任何攻击,则使用替代的测量和控制信号对进行攻击缓解。性能在基于开放式并行架构实验室实时(OPAL-RT)模拟器、工业级硬件、网络模拟器3(NS-3)和数据收集开放平台(OpenPDC)构建的硬件在环(HIL)网络物理测试平台上进行了验证。
**研究背景、问题与意义**
低频振荡(LFO)是威胁电力系统稳定性的关键问题,曾导致多次大规模停电事件,如1996年西部互联(WSCC)停电、2003年丹麦-瑞典、美国-加拿大及意大利停电,以及2011年智利停电。在印度电网中,持续的低频振荡也引发了不必要的发电机跳闸。过去二十年中,广域阻尼控制器(WADC)被广泛用于抑制区间振荡模式(0.2-0.8 Hz),并在多个智能电网(如WSCC和中国南方电网)中部署。然而,WADC的广域信号通过相量测量单元(PMU)、本地相量数据集中器(PDC)和超级PDC等多级设备传输,网络与物理层的深度融合使其易受攻击,例如虚假数据注入(FDI)攻击和拒绝服务(DoS)攻击。2010年的Stuxnet蠕虫和2019年委内瑞拉网络攻击事件表明,智能电网的脆弱性可被利用来操纵控制操作并破坏系统稳定性。

现有研究主要分为数据驱动方法和模型驱动方法。模型驱动方法包括静态状态估计(SSE)和动态状态估计(DSE),但依赖精确的系统模型和参数,且可能面临发散和可扩展性问题。数据驱动方法(如监督学习)虽不依赖实时模型,但需要大量完全标记的数据集,而标记攻击数据极为稀缺,且类别分布严重偏斜。此外,现有攻击弹性WADC方法(如线性状态估计LSE、安全网络预测控制SNPC、鲁棒滑模控制WARSMC等)通常需要修改控制器架构或依赖系统模型的准确性,而电网运营商可能出于经济和运行约束不愿修改控制器。因此,亟需一种无需修改控制器架构、不依赖精确模型、且能处理部分标记数据和类别不平衡问题的攻击检测方法。

研究人员提出了半监督生成对抗网络(SSGAN)与基于支持向量机的合成少数类过采样技术(SVM-SMOT)相结合的CyResWadc系统框架,旨在检测和缓解FDI攻击。该框架利用物理感知特征(如阻尼转矩系数DTC和模态形状MS)表征系统动态,并通过探测信号生成合成攻击场景以弥补攻击数据不足。性能在4机两区域系统和IEEE 16机68节点系统上验证,并在硬件在环(HIL)网络物理测试平台上进行实时评估,该测试平台由OPAL-RT模拟器、工业级硬件、NS-3网络模拟器和OpenPDC数据收集平台构建。论文发表在《Journal of Modern Power Systems and Clean Energy》。

**主要关键技术方法**
研究人员采用了以下关键方法:1)半监督生成对抗网络(SSGAN)模型:结合监督和无监督训练模式,利用部分标记数据和无标记数据训练分类器,通过生成器合成样本并改进判别器对真实和虚假样本的区分能力。2)基于支持向量机的合成少数类过采样技术(SVM-SMOT):沿决策边界生成新样本,利用少数类近邻点进行插值或外推,以平衡事件数据和攻击数据的类别分布。3)探测信号生成:在WADC的测量或控制信号中注入正弦、脉冲、随机等类型的探测信号,模拟不同运行条件下的攻击场景,用于训练SSL模型。4)物理感知特征提取:基于原始PMU数据(频率f、正序电压幅值V、角速度ω、有功功率P、无功功率Q)计算阻尼转矩系数(DTC)和模态形状(MS),以表征系统动态并区分攻击与事件。样本队列来源包括4机两区域系统和IEEE 16机68节点系统。

**研究结果**
A. 测试系统描述 研究人员在4机两区域系统中部署WADC,系统输入为线路7和8的功率偏差,控制信号作用于发电机G4。集中式WADC系统中测量和控制信号均可能受攻击,分散式仅测量信号受攻击。

B. 基于混合H2/H∞的WADC设计 通过混合H2/H∞控制器设计WADC,利用线性矩阵不等式(LMI)方法实现多目标输出反馈控制,以平衡瞬态响应和频域性能。

C. 模型架构 生成器网络采用一维卷积层、LeakyReLU激活函数、最大池化层和全连接隐藏层,输出层使用sigmoid激活函数。判别器网络包括监督判别器和无监督判别器,监督判别器使用sigmoid激活函数和Adam优化器(学习率Lr=0.002,β=0.5),无监督判别器使用自定义激活函数(学习率Lr=0.0002,β=0.5)。

D. 事件与攻击数据 事件数据包括发电机跳闸、线路跳闸、单相接地故障、两相故障、两相接地故障和三相故障,共生成24735个事件案例,其中5000个标记。攻击数据通过探测信号生成,包括正弦、斜坡、脉冲、随机、锯齿和三角攻击,共100个标记攻击案例和2000个无标记攻击实例。训练数据中攻击数据比例设置两种案例:案例1(20%攻击,80%事件)和案例2(30%攻击,70%事件)。

E. 性能评估指标 采用准确率、F1分数和马修斯相关系数(MCC)评估模型性能。MCC适用于不平衡数据,定义如式(17)。

F. 实验结果分析与比较 在案例1中,SSGAN+SVM-SMOT模型在15个训练场景中平均准确率为0.9094,平均F1分数为0.8812,平均MCC为0.8177,均优于基线模型(如SemiB、LP、LP-OUPS)及其他SSGAN变体(如SSGAN、SSGAN+OUPS、SSGAN+MDO)。在案例2中,当攻击数据比例增至30%时,SSGAN+SVM-SMOT模型平均准确率为0.9633,平均F1分数为0.9579,平均MCC为0.9278,性能稳定且优于其他模型。结果表明,SVM-SMOT过采样技术有效提升了模型在处理不平衡数据时的检测能力。

G. 实时HIL测试分析 在HIL测试平台上,当在1秒时对线路7和8的功率偏差测量信号注入正弦攻击时,系统出现持续振荡并趋于不稳定。部署SSGAN+SVM-SMOT模型后,检测到攻击并切换至替代信号(输入改为线路8和9的功率流,控制信号作用于G3),系统恢复稳定,验证了攻击缓解的有效性。

H. IEEE 16机68节点系统性能 在更复杂的IEEE 16机68节点系统中,SSGAN+SVM-SMOT模型在类别不平衡数据下达到最高准确率97.04%,F1分数96.54%,MCC 94.04%,进一步验证了框架的泛化能力。

**总结与讨论**
本文提出的CyResWadc系统框架通过SSGAN模型处理部分标记数据,结合SVM-SMOT生成真实合成样本以平衡类别分布,利用探测信号生成攻击场景避免对实际攻击数据的依赖。该框架无需修改现有控制器架构,也不需实时系统模型或参数知识。在4机两区域系统和IEEE 16机68节点系统上的仿真测试,以及HIL测试平台的实时评估表明,所提方法能有效检测和缓解FDI攻击,并在不同攻击数据比例下保持稳定性能,确保系统运行在可接受范围内。

研究结论翻译如下:本文提出了CyResWadc系统框架用于检测和缓解FDI攻击。所提框架使用SSGAN模型与SVM-SMOT集成进行攻击检测。SVM-SMOT通过沿决策边界采样合成新数据实例,利用少数近邻点并根据多数类数据点密度进行插值或外推,从而生成真实合成样本并确保模型训练无偏。探测信号用于生成类似攻击场景的测量数据,用于训练SSL方法,避免了获取实际攻击数据的困难。SSGAN+SVM-SMOT模型与现有集成过采样技术的模型进行了对比评估,在4机两区域系统和IEEE 16机68节点系统上验证了性能。在开发的HIL网络物理测试平台上的实时评估验证了所提框架能有效检测和缓解攻击,同时将系统性能维持在可接受范围内。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号