МЕТОД ВИЯВЛЕННЯ АТАК ТИПУ FALSE DATA INJECTION У СИСТЕМАХ ОЦІНКИ СТАНУ SMART GRID НА ОСНОВІ LSTM-АВТОЕНКОДЕРА
DOI:
https://doi.org/10.20998/2413-4295.2026.02.01Ключові слова:
Smart Grid, FDI-атака, оцінка стану, LSTM-автоенкодер, виявлення аномалій, кібербезпека критичної інфраструктури, ICS/SCADA, кіберфізична системаАнотація
АНОТАЦІЯ Стаття присвячена розробці методу виявлення атак типу False Data Injection (FDI) у системах оцінки стану інтелектуальної енергосистеми (Smart Grid) на основі рекурентної нейронної мережі — LSTM-автоенкодера. Актуальність дослідження зумовлена зростаючою кількістю цілеспрямованих кіберфізичних атак на об’єкти критичної інфраструктури, зокрема підстанції та SCADA-системи розподільчих мереж. FDI-атаки здатні обходити традиційні алгоритми виявлення помилкових вимірювань, що базуються на χ²-статистиці, та становлять безпосередню загрозу для коректної оцінки стану мережі. У роботі запропоновано метод, що поєднує пасивний моніторинг телеметрії PMU/WAMS з моделлю LSTM-автоенкодера для виявлення аномалій у часових рядах вектора стану кіберфізичної системи. Теоретична модель верифікована на відкритому наборі даних HAI (HIL-based Augmented ICS Security Dataset) та синтетичних сценаріях FDI-атак, змодельованих на топології IEEE 14-Bus. Змодельовані результати демонструють досягнення точності виявлення 97,3%, F1-міри 0,961 при часі виявлення до 3 секунд і ймовірності хибної тривоги не більше 2,1%. Запропонований підхід перевершує базові методи (SVM, Random Forest, ізольований Autoencoder) за сукупністю показників якості. Наукова новизна полягає у застосуванні адаптивного порогу реконструкційної похибки LSTM-автоенкодера з урахуванням часової залежності між вимірюваннями телеметрії PMU, що підвищує стійкість до навмисного ухилення від виявлення.
Посилання
Stouffer K., Pease M., Tang C. Y., Zimmerman T., Pillitteri V., Lightman S., Hahn A., Saravia S., Sherule A., Thompson M. Guide to Operational Technology (OT) Security. Gaithersburg, MD : National Institute of Standards and Technology, 2023. 316 p. DOI: https://doi.org/10.6028/NIST.SP.800-82r3.
National Institute of Standards and Technology. The NIST Cybersecurity Framework (CSF) 2.0. Gaithersburg, MD : National Institute of Standards and Technology, 2024. 32 p. DOI: https://doi.org/10.6028/NIST.CSWP.29.
Stouffer K., Falco J., Scarfone K. Guide to Industrial Control Systems (ICS) Security. Gaithersburg, MD : National Institute of Standards and Technology, 2011. DOI: https://doi.org/10.6028/NIST.SP.800-82r1.
Pillitteri V. Y., Brewer T. L., Doxey T. W., Lichtblau A. R., Neumann M. J., Oman P. W., Whitehead D. E. Guidelines for Smart Grid Cybersecurity. Gaithersburg, MD : National Institute of Standards and Technology, 2014. 3 vols.
Liu Y., Ning P., Reiter M. K. False data injection attacks against state estimation in electric power grids // Proceedings of the 16th ACM Conference on Computer and Communications Security. Chicago, Illinois, USA, 2009. P. 21-32. DOI: https://doi.org/10.1145/1653662.1653666.
Langner R. Stuxnet: Dissecting a Cyberwarfare Weapon // IEEE Security & Privacy. 2011. Vol. 9, No. 3. P. 49-51. DOI: https://doi.org/10.1109/MSP.2011.67.
Liang G., Weller S. R., Zhao J., Luo F., Dong Z. Y. The 2015 Ukraine blackout: Implications for false data injection attacks // IEEE Transactions on Power Systems. 2017. Vol. 32, No. 4. P. 3317-3318. DOI: https://doi.org/10.1109/TPWRS.2016.2631891.
He Y., Mendis G. J., Wei J. Real-time detection of false data injection attacks in smart grid: A deep learning-based intelligent mechanism // IEEE Transactions on Smart Grid. 2017. Vol. 8, No. 5. P. 2505-2516. DOI: https://doi.org/10.1109/TSG.2017.2703842.
Liu L., Esmalifalak M., Ding Q., Emesih V. A., Han Z. Detecting false data injection attacks on power grid by sparse optimization // IEEE Transactions on Smart Grid. 2014. Vol. 5, No. 2. P. 612-621. DOI: https://doi.org/10.1109/TSG.2013.2284438.
Zonouz S., Rogers K. M., Berthier R., Bobba R. B., Sanders W. H., Overbye T. J. SCPSE: Security-oriented cyber-physical state estimation for power grid critical infrastructures // IEEE Transactions on Smart Grid. 2012. Vol. 3, No. 4. P. 1790-1799. DOI: https://doi.org/10.1109/TSG.2012.2217762.
He H., Yan J. Cyber-physical attacks and defences in the smart grid: a survey // IET Cyber-Physical Systems: Theory & Applications. 2016. Vol. 1, No. 1. P. 13-27. DOI: https://doi.org/10.1049/iet-cps.2016.0019.
Linda O., Vollmer T., Manic M. Improving cyber-security of smart grid systems via anomaly detection and linguistic domain knowledge // 2012 5th International Symposium on Resilient Control Systems. Salt Lake City, UT, 2012. P. 124-131. DOI: https://doi.org/10.1109/ISRCS.2012.6309292.
Hu Y., Yang A., Li H., Sun Y., Sun L. A survey of intrusion detection on industrial control systems // International Journal of Distributed Sensor Networks. 2018. Vol. 14, No. 8. Article 1550147718794615. DOI: https://doi.org/10.1177/1550147718794615.
Shin H.-K., Lee W., Yun J.-H., Min B. G. Two ICS Security Datasets and Anomaly Detection Contest on the HIL-based Augmented ICS Testbed // Proceedings of the 14th USENIX Workshop on Cyber Security Experimentation and Test. 2021. DOI: https://doi.org/10.1145/3474718.3474719.
Bekara C. Security issues and challenges for the IoT-based smart grid // Procedia Computer Science. 2014. Vol. 34. P. 532-537. DOI: https://doi.org/10.1016/j.procs.2014.07.064.
Jow J., Xiao Y., Han W. A survey of intrusion detection systems in smart grid // International Journal of Sensor Networks. 2017. Vol. 23, No. 3. P. 170-186. DOI: https://doi.org/10.1504/IJSNET.2017.083410.
Cherdantseva Y., Burnap P., Blyth A., Eden P., Jones K., Soulsby H., Stoddart K. A review of cyber security risk assessment methods for SCADA systems // Computers & Security. 2016. Vol. 56. P. 1-27. DOI: https://doi.org/10.1016/j.cose.2015.09.009.
Leszczyna R. Standards on cyber security assessment of smart grid // International Journal of Critical Infrastructure Protection. 2018. Vol. 22. P. 70-89. DOI: https://doi.org/10.1016/j.ijcip.2018.05.006.
Qassim Q. S., Jamil N., Daud M., Patel A., Ja’affar N. A review of security assessment methodologies in industrial control systems // Information and Computer Security. 2019. Vol. 27, No. 1. P. 47-61. DOI: https://doi.org/10.1108/ICS-04-2018-0048.
Boeding M., Boswell K., Hempel M., Sharif H., Lopez J., Perumalla K. Survey of Cybersecurity Governance, Threats, and Countermeasures for the Power Grid // Energies. 2022. Vol. 15, No. 22. Article 8692. DOI: https://doi.org/10.3390/en15228692.
Mashima D., Chen Y., Roomi M. M., Lakshminarayana S., Chen D. Cybersecurity for Modern Smart Grid Against Emerging Threats // Foundations and Trends in Privacy and Security. 2023. Vol. 5, No. 4. P. 70-246. DOI: https://doi.org/10.1561/3300000035.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Валерій Магро, Дмитро Прокопович-Ткаченко, Ольга Торстенссон, Давид Черкаський, Олексій Хоменко
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Журнал публікує статті згідно з ліцензією Creative Commons Attribution International CC-BY.
