Research on False Data Injection Attacks in VSC-HVDC Systems
虚假数据注入（FDI）攻击是网络物理电力系统面临的网络物理安全问题的重要形式。然而，目前还没有研究揭示基于电压源换流器的高压直流输电（VSC-HVDC）系统所面临的FDI攻击问题。首先，提出了FDI攻击策略模型的一般形式，并进一步分析了FDI攻击策略问题的本质。提出了针对VSC-HVDC系统换流站安全运行的FDI攻击策略模型，并给出了求解算法。最后，以改进的IEEE-14节点系统为例，揭示了VSC-HVDC系统面临的FDI攻击问题，证明了攻击者能够通过FDI攻击破坏VSC-HVDC系统换流站的运行安全。
2021-02-24 cs.SY eess.SY
Incentive-weighted Anomaly Detection for False Data Injection Attacks Against Smart Meter Load Profiles
实时电价是一种提高电力负荷需求侧灵活性的方法。然而，很少有研究考虑现货定价的脆弱性，通过虚假数据注入（FDI）式的攻击，金融欺诈。在本文中，我们考虑的攻击，旨在改变消费者的负载配置文件，利用日内价格下跌。我们研究了一种异常检测协议，用于寻求利用现货价格获得经济利益的网络攻击。通过这种方式，我们概述了一种方法，用于检测工业负载智能电表的攻击。我们首先创建一个底层业务的特征集群模型，按业务类型进行隔离。然后，我们使用这些集群创建一个激励加权异常检测协议的虚假数据攻击负载配置文件。这种基于聚类的方法结合了负载配置文件和现场定价的考虑因素，用于检测注入的负载配置文件。为了减少误报，我们将基于激励的检测（包括现货价格的知识）建模为异常跟踪，使该方法能够考虑负载配置文件中不太可能受到攻击的变化。
2023-01-25 cs.SY eess.SY
False Data Injection Attack on Electric Vehicle-Assisted Voltage Regulation
随着电动汽车（EV）的大规模普及和双向充电器的出现，EV聚合器将成为电压调节市场的主要参与者。本文提出了一种新的虚假数据注入攻击（FDIA）对电动汽车充电站的电压调节容量估计，在配电系统中的电压调节的基础过程。拟议的FDIA考虑了电动汽车移动性和网络条件的不确定性。具有最大预期不利影响的攻击向量是受约束的随机优化问题的解，该约束确保它可以绕过不良数据检测。我们表明，这个攻击向量可以通过求解一系列凸二次约束线性规划来确定。基于两个标准测试馈线，在联合仿真平台上进行的案例研究揭示了电压调节容量估计的脆弱性。
2022-03-09 cs.SY eess.SY
A Data-Driven Framework for Online Mitigation of False Data Injection Signals in Networked Control Systems
提出两阶段数据驱动框架，结合元学习、小波尺度图与CNN选择预测模型，实时缓解NCS中的FDI攻击，并在移动机器人编队控制仿真中验证有效性。
2025-10-20 cs.SY eess.SY
Privacy-Preserving Distributed Defense Framework for DC Microgrids Against Exponentially Unbounded False Data Injection Attacks
针对直流微电网遭受指数无界FDI攻击的问题，提出融合一致性二次控制与隐私保护机制的全分布式防御框架，并通过Lyapunov分析和硬件在环实验验证其稳定性与防护效果。
2025-01-10 cs.SY eess.SY
Vulnerability Assessment of N-1 Reliable Power Systems to False Data Injection Attacks
本文研究了大规模电力系统的脆弱性虚假数据注入（FDI）攻击，通过其物理后果。先前的工作已经表明，攻击者-防御者双层线性规划（ADBLP）可以用于确定旨在最大化目标线路上的物理功率流的FDI攻击的最坏情况后果。了解这些攻击的后果，需要考虑电力系统的操作中常用的实践，特别是实时应急分析（RTCA）和安全约束的经济调度（SCED）。在对攻击者知识进行详细假设的基础上，提出了一种ADBLP算法，并引入了一种改进的Benders分解算法来求解该ADBLP。具有2000个总线的合成德克萨斯州系统的脆弱性分析结果表明，智能FDI攻击可能导致事故后溢出。
2019-03-19 cs.SY eess.SY
Power Injection Attacks in Smart Distribution Grids with Photovoltaics
为了保护智能配电网免受入侵，了解攻击的可能风险和影响非常重要。针对光伏资源渗透率高的智能配电网的物理层，研究了功率注入攻击的最坏情况攻击策略。我们推导出最坏的攻击信号和最坏的攻击位置：最坏的攻击信号是一个阶跃函数，它在最后阶段切换其符号，最坏的攻击位置是与电网变电站的阻抗最大的节点。欧洲基准模式的数值算例验证了发展的结果。最后，理论和数值结果被用来讨论可行的防御策略，以防止功率注入攻击。
2021-04-06 cs.SY eess.SY
Evaluating Power System Vulnerability to False Data Injection Attacks via Scalable Optimization
Arizona State University（亚利桑那州立大学）
本文提出三种高效算法评估电力系统在虚假数据注入攻击下的脆弱性，针对IEEE 118节点和波兰2383节点系统进行评估。
2016-05-20 cs.SY eess.SY
Scheduler-Pointed False Data Injection Attack for Event-Based Remote State Estimation
研究了信息物理系统中基于事件的远程状态估计的攻击问题。我们的目标是降低基于事件的调度器的效果，同时绕过$χ^2$错误数据检测器。通过修改新息信号的数值特征，提出了一种双通道伪数据注入攻击策略。证明了攻击策略的存在性，并给出了一种算法，在该攻击策略下，调度器几乎失效，远程估计器的性能下降。数值模拟来说明我们的理论结果。
2021-10-14 cs.SY eess.SY math.OC
False Data Injection Attacks on Phasor Measurements That Bypass Low-rank Decomposition
School of Electrical, Computer and Energy Engineering Arizona State University（亚利桑那州立大学电气、计算机与能源工程学院）
本文研究了相量测量单元对虚假数据注入攻击的脆弱性，提出了一种更复杂的攻击方法，通过凸优化问题绕过低秩分解检测器，并在IEEE 24节点和118节点系统中验证了攻击模型的漏洞。
2017-05-04 cs.SY eess.SY
A Physics-Informed Context-Aware Approach for Anomaly Detection in Tele-driving Operations Under False Data Injection Attacks
本文面向远程驾驶通信安全，基于真实车辆数据建立转向指令 FDI 攻击模型并评估 LMD 场景风险，提出 PCADS 检测系统且通过初步实验验证。
2025-10-06 cs.SY eess.SY
A Game-Theoretic Approach for PMU Deployment Against False Data Injection Attacks
针对电网部分PMU部署易受虚假数据注入攻击的问题，提出基于零和博弈的新增PMU策略部署方法，用强化学习求解纳什均衡，使攻击检测率较基准算法提升36%。
2024-04-18 cs.SY eess.SY
Affine Transformation-based Perfectly Undetectable False Data Injection Attacks on Remote Manipulator Kinematic Control with Attack Detector
本文提出满足三项条件即可实施的仿射变换型完全不可检测虚假数据注入攻击，经FANUC 6自由度机械臂实验验证，该攻击可在隐身状态下篡改机械臂轨迹。
2024-05-17 cs.SY eess.SY
A One-Class Explainable AI Framework for Identification of Non-Stationary Concurrent False Data Injections in Nuclear Reactor Signals
本文提出一种单类可解释AI框架，结合循环神经网络、自适应加窗残差分析和改进SHAP算法，在极少训练数据下以高于0.93的准确率识别核反应堆信号中的非平稳并发虚假数据注入并定位其来源。
2025-08-17 cs.SY eess.SY
Vulnerability Assessment of Large-scale Power Systems to False Data Injection Attacks
Arizona State University（亚利桑那州立大学）
本文研究了大规模电力系统对虚假数据注入攻击的脆弱性，通过其物理后果来分析。本文提出了一种计算高效的算法来解决大规模电力系统中的攻击优化问题，以评估系统的脆弱性。
2020-11-01 cs.SY eess.SY
Targeted False Data Injection Attacks Against AC State Estimation Without Network Parameters
状态估计是用于将冗余仪表测量和其它信息转换成电力系统的状态的估计的数据处理算法。状态估计严重依赖仪表测量，已被证明易受网络攻击。提出了一种新的针对AC状态估计的有针对性的虚假数据注入攻击模型。利用在环境条件下的固有负载动态和Ornstein-Uhlenbeck过程的重要属性，我们从入侵者的角度来看，设计了一种算法，纯粹从PMU数据中提取电力网络参数，进一步用于构建FDIA矢量。FDIA模型不需要网络参数，仅依赖于有限的相量测量单元（PMU）数据，可以针对特定的状态，并发起大偏差攻击。提出的FDIA模型的充分条件也被开发。在IEEE 39节点系统中对各种攻击向量和攻击区域进行了研究，结果表明，所提出的FDIA方法可以成功绕过不良数据检测，以很高的概率发起有针对性的大偏差攻击。
2021-08-26 cs.SY eess.SY
Robust Moving Target Defence Against False Data Injection Attacks in Power Grids
近年来，移动目标防御（MTD）被提出来通过主动触发分布式柔性交流输电系统（D-FACTS）设备来阻止电力系统状态估计中的虚假数据注入（FDI）攻击。MTD在电网中的关键挑战之一是设计其实时实现，并保证其性能免受未知攻击。从文献中的无噪声假设转换，本文研究了在噪声环境中的MTD设计问题，并首次提出了鲁棒MTD的概念，以保证对所有未知攻击的最坏情况下的检测率。我们从理论上证明，对于任何给定的MTD策略，雅可比子空间之间的最小主角对应于对所有潜在攻击的最坏情况下的性能。基于这一发现，鲁棒MTD算法制定的系统与完整和不完整的配置。广泛的模拟使用标准的IEEE基准系统证明了改进的平均和最坏情况下的性能，建议的鲁棒MTD对国家的最先进的算法。所有代码都可以在https://github.com/xuwkk/Robust_MTD上找到。
2022-12-21 cs.SY eess.SY
Cyber-Physical Risk Assessment for False Data Injection Attacks Considering Moving Target Defences
在本文中，我们研究了影响虚假数据注入（FDI）攻击成功的因素，包括网络和物理加固方式。许多作品认为外国直接投资攻击的背景下，改变一个静态系统中的测量的能力。然而，成功的攻击需要首先入侵系统，然后构建可以绕过坏数据检测（BDD）的攻击向量。通过这种方式，我们开发了一个完整的服务框架，为外国直接投资风险评估。该框架考虑了系统入侵的成本，通过加权图评估结合物理，线过载为基础的脆弱性评估。我们提出了我们的模拟IEEE 14总线系统与覆盖RTU网络的入侵的真实风险模型。网络模型考虑了FDI攻击的多种进入方法，包括仪表入侵、RTU入侵和组合式攻击。入侵后，我们的物理增强模型分析了所需的拓扑发散水平，以防止来自优化攻击向量的分支过载。
2022-09-20 cs.SY eess.SY
Vulnerability of Building Energy Management against Targeted False Data Injection Attacks:Model Predictive Control vs. Proportional Integral
本文针对商业建筑能源管理系统，比较PI与MPC控制在虚假数据注入攻击下的脆弱性，发现短期攻击即可造成MPC下热泵寿命缩短12%、PI下流量阀近三十倍过度使用，表明MPC更具抗攻击韧性。
2024-05-02 cs.SY eess.SY
Blending Data and Physics Against False Data Injection Attack: An Event-Triggered Moving Target Defence Approach
快速准确地检测网络攻击是网络弹性电力系统的关键要素。近年来，数据驱动检测器和基于物理的移动目标防御（MTD）被提出来检测对状态估计的虚假数据注入（FDI）攻击。然而，数据驱动检测器不可控的误报率和频繁使用MTD的额外成本限制了它们的广泛应用。很少有著作探讨这两个领域之间的重叠。为了填补这一空白，本文提出了混合数据驱动和基于物理的方法，以提高检测性能。首先，提出了一种物理信息数据驱动的攻击检测和识别算法。然后，MTD协议由来自数据驱动检测器的正警报触发。MTD被制定为一个双层优化，以鲁棒地保证其有效性对周围的最坏情况下的攻击识别的攻击向量。同时，MTD的隐藏性也得到了提高，使得防御无法被攻击者发现。为了保证算法的可行性和收敛性，利用对偶性和线性矩阵不等式得到了凸两阶段重构。仿真结果验证了混合数据和物理可以实现极高的检测率，同时降低了数据驱动检测器的误报率和MTD的额外成本。所有代码都可以在https://github.com/xuwkk/DDET-MTD上找到。
2022-12-21 cs.SY eess.SY
Safety monitoring under stealthy sensor injection attacks using reachable sets
针对传统故障检测器难以发现的隐蔽传感器注入攻击，提出仅监测控制输入并通过凸优化计算输入可达集椭球边界的安全检测方法，并经仿真验证。
2023-07-24 cs.SY eess.SY
Resilient Control of Switched Vehicle Platoons under False Data Injection Attacks
McGill University（麦吉尔大学）
本文针对受虚假数据注入攻击的切换式车辆队列，设计含专用观测器与辅助系统的弹性控制器，经数值案例验证可实现队列一致最终有界与字符串稳定。
2026-08-03 cs.SY eess.SY
False Data Injection Attacks and the Distributed Countermeasure in DC Microgrids
在本文中，我们考虑了分层控制的直流微电网（DCmG）配备未知输入观测器（UIO）为基础的检测器，潜在的虚假数据注入（FDI）攻击和分布式对策进行了研究。首先，我们发现基于UIO的检测器的脆弱性源于缺乏对真实未知输入的知识。通过秘密伪造未知输入，在不改变检测残差的前提下，实现零迹隐身攻击，并从理论上分析了零迹隐身攻击对DCmG均压均流的影响。然后，为了减轻ZTS攻击，我们提出了一个自动和及时的对策的基础上，从动态平均共识（DAC）估计器获得的公共耦合（PCC）电压的平均点。DAC估计器中使用的通信数据的完整性通过基于UIO的检测器来保证，其中DAC参数在固定的时间段内被扰动以隐藏攻击者。最后，检测和抑制性能的建议的对策进行了严格的研究，并进行了广泛的仿真在Simulink/PLECS验证理论结果。
2021-07-28 cs.SY eess.SY
Identification of Intraday False Data Injection Attack on DER Dispatch Signals
电网脱碳的迫切需求加速了可再生能源的整合。同时，不断增加的分布式能源（DER）和先进的计量基础设施（AMI）已经将电网转变为具有众多通信设备的更复杂的网络物理系统。虽然这些转变提供了经济和环境价值，但它们也增加了网络攻击和运营挑战的风险。本文研究了具有高可再生能源渗透率的电网对DER调度信号的日内虚假数据注入（FDI）攻击的脆弱性，并提出了一种基于核支持向量回归（SVR）的检测模型作为对策。在HCE 187总线测试系统上进行了数值实验，验证了日内FDI攻击场景和检测模型。
2022-07-08 cs.SY eess.SY math.OC
Adversarial Multi-Agent Reinforcement Learning for Proactive False Data Injection Detection
National Laboratory of the Rockies（落基山国家实验室）
本文提出基于多智能体强化学习的对抗性防御策略，通过模拟攻击者和防御者智能体，实现对未知虚假数据注入攻击的主动检测与防御。
2026-01-14 cs.SY eess.SY
Stochastic Tube-based Model Predictive Control for Cyber-Physical Systems under False Data Injection Attacks with Bounded Probability
针对CPS中幅值无界的FDI攻击，提出结合检测器与缓冲区的弹性管MPC方案，推导攻击最大持续时间和缓冲区最小长度，证明系统ISS稳定性，仿真验证其控制性能优于现有方法。
2025-09-17 cs.SY eess.SY
Training Strategies for Autoencoder-based Detection of False Data Injection Attacks
电网中的能量供应安全性关键取决于准确估计系统状态的能力。然而，操纵的潮流测量可以潜在地隐藏过载并绕过坏数据检测方案以干扰估计状态的有效性。在本文中，我们使用自动编码器神经网络来检测异常系统状态，并研究超参数对针对功率流的虚假数据注入攻击的检测性能的影响。在IEEE 118节点系统上的实验结果表明，该机制具有良好的学习效率和检测精度。
2022-12-14 cs.SY eess.SP eess.SY
Process Resilience under Optimal Data Injection Attacks
该研究在信息论框架下，从最优数据注入攻击者视角分析过程系统弹性，构建兼顾扰乱性与隐蔽性的攻击模型并提出受限场景下的稀疏攻击方法，通过理论分析与双反应器实验实现系统测量脆弱性评估与弹性洞察。
2025-05-19 cs.SY eess.SY
LQG Reference Tracking with Safety and Reachability Guarantees under Unknown False Data Injection Attacks
我们研究了一个线性二次高斯（LQG）跟踪问题的安全性和可达性的限制存在的对手谁安装的FDI攻击一组未知的传感器。对于每个可能的受损传感器集合，我们维护一个状态估计器，不考虑该集合中的传感器，并基于此估计计算每次的最优LQG控制输入。我们提出了一种控制策略，约束控制输入位于一个固定的距离内的最优控制输入对应于每个状态估计。控制输入在每个时间步通过求解二次约束二次规划（QCQP）。我们证明了我们的政策可以实现一个理想的概率的安全性和可达性使用屏障证书的方法。我们的控制策略是通过数值案例研究进行评估。
2022-07-11 cs.SY eess.SY
Power Injection Measurements are more Vulnerable to Data Integrity Attacks than Power Flow Measurements
提出了一种描述电力系统测量数据对数据完整性攻击脆弱性的新度量。新的指标，创造脆弱性指数（VuIx），利用信息理论的措施，以评估破坏和检测权衡的基本限制的攻击效果。计算系统中测量值的VuIx的结果基于暴露于数据完整性攻击的级别产生测量值漏洞的排序。这个新的框架是用来评估IEEE测试系统的测量脆弱性，它是观察到，功率注入测量是压倒性的更容易受到数据完整性攻击比潮流测量。IEEE测试系统的VuIx值的详细数值评估。
2022-07-14 cs.SY eess.SY
Quickest Bayesian and non-Bayesian detection of false data injection attack in remote state estimation
本文研究了远程状态估计的虚假数据注入攻击的快速检测问题。一组$N$传感器对具有高斯噪声的离散时间线性过程进行噪声线性观测，并将观测报告给远程估计器。挑战在于存在一些潜在的恶意传感器，这些传感器可以在随机时间开始策略性地操纵它们的观察结果，以扭曲估计。在攻击初始时刻具有几何先验的贝叶斯环境下，针对已知的{ \em linear}攻击方案的最快攻击检测问题被构造为一个受约束的马尔可夫决策过程（MDP），以最小化受虚警约束的期望检测延迟，其状态涉及估计器处系统受到攻击的概率信念.状态转移概率的系统参数，推导出的最优策略的结构解析。事实证明，最优策略相当于检查概率信念是否超过阈值。其次，广义的基于贝叶斯的攻击检测算法，提出了非贝叶斯设置的攻击者选择攻击发起时刻在一个特别的对抗性的方式。事实证明，在这种情况下，计算广义Cumium检验的统计量依赖于与计算MDP状态转移概率相同的技术。数值结果表明，显着的性能增益下提出的算法对竞争算法。
2022-01-16 cs.SY eess.SY
Scalable and Optimal Security Allocation in Networks against Stealthy Injection Attacks
本文提出了一种可扩展的最优安全分配算法，用于网络控制系统中对抗隐蔽注入攻击，通过传感器部署限制攻击影响。
2024-11-22 cs.SY eess.SY
Cyber-Resilient Data-Driven Event-Triggered Secure Control for Autonomous Vehicles Under False Data Injection Attacks
本文提出了一种具备网络韧性的数据驱动事件触发安全控制框架，用于提升自动驾驶车辆在虚假数据注入攻击下的安全性和通信效率。
2025-12-13 cs.SY eess.SY
$N-1$ Reliability Makes It Difficult for False Data Injection Attacks to Cause Physical Consequences
本文表明，虚假数据注入（FDI）攻击的能力是非常有限的，造成物理后果的$N-1$可靠的电力系统运行与实时应急分析（RTCA）和安全约束的经济调度（SCED）。先前的工作表明，FDI攻击可以通过攻击者-防御者双层线性规划（ADBLP）设计，以在使用DCOPF重新调度后引起物理溢出。在本文中，它表明，使用DCOPF设计的攻击未能造成溢出$N-1$可靠的系统，因为系统响应建模是不准确的。一个ADBLP，准确地模拟系统的响应，提出了找到最坏情况下的物理后果，从而建模一个强大的攻击者与系统级的知识。仿真结果表明，即使与新的增强攻击的合成得克萨斯州系统与2000总线，由于$N-1$的限制，保守操作的系统，所设计的攻击只会导致意外后溢出。此外，攻击者必须控制大部分测量，并在系统中物理地创建意外事件以引起后果。因此，可以想象，但需要非常复杂的攻击者才能对使用RTCA和SCED运行的$N-1$可靠电力系统造成物理后果。
2020-03-14 cs.SY eess.SY
On Joint Reconstruction of State and Input-Output Injection Attacks for Nonlinear Systems
针对离散时间非线性系统，研究了执行器和传感器被注入（潜在无界）攻击信号时的鲁棒状态重构问题。利用冗余的传感器和执行器，并使用一个银行的未知输入观测器（UIO），我们提出了一个基于模糊的估计器能够提供渐近估计的系统状态和攻击信号的条件下，受到攻击的传感器和执行器的数量是足够小的。使用所提出的估计，我们提供了隔离受损的执行器和传感器的方法。数值例子证明了我们的方法的有效性。
2021-03-08 cs.SY eess.SY
A Review of Detection, Evolution, and Data Reconstruction Strategies for False Data Injection Attacks in Power Cyber-Physical Systems
该综述梳理了电力信息物理系统中虚假数据注入攻击的检测、演化及数据重构策略，分析现有方法的挑战与关键问题，提出未来研究方向，助力电力CPS安全运行。
2025-01-13 cs.CR cs.SY eess.SY
Vulnerability Analysis of Nonlinear Control Systems to Stealthy False Data Injection Attacks
该研究分析非线性控制系统对传感器端隐蔽虚假数据注入攻击的脆弱性，定义通用隐蔽性概念，针对两类攻击者知识水平推导脆弱性条件与攻击设计方法，还分析了攻击对状态估计的影响并通过数值案例验证结果。
2023-10-06 cs.SY eess.SY
Vulnerabilities of Smart Grid State Estimation against False Data Injection Attack
The University of New South Wales（新南威尔士大学）
本文探讨了智能电网状态估计器对虚假数据注入攻击的脆弱性，通过文献综述和案例研究分析了此类攻击的特点和影响。
2014-11-11 cs.CR cs.SY eess.SY
Guarding the Grid: Enhancing Resilience in Automated Residential Demand Response Against False Data Injection Attacks
针对分布式住宅需求响应系统易遭虚假数据注入攻击的问题，本研究提出融合需求响应优化、异常检测与攻击缓解的综合框架，经真实数据集验证可有效提升系统安全弹性。
2023-12-14 cs.CR cs.SY eess.SY
Q-learning Based Optimal False Data Injection Attack on Probabilistic Boolean Control Networks
East China University of Science and Technology（华东理工大学）；Zhejiang Normal University（浙江师范大学）
本文针对模型未知的概率布尔控制网络，提出基于Q学习及其改进算法的最优虚假数据注入攻击方法，并在10节点和28节点网络上验证其有效性。
2023-11-29 cs.CR cs.LG cs.SY
Vulnerability Analysis and Consequences of False Data Injection Attack on Power System State Estimation
Arizona State University（亚利桑那州立大学）
本文研究了对交流状态估计的不可观测虚假数据注入攻击及其对物理系统的后果，提出了一种双层优化问题以最大化攻击后的线路流，并考虑攻击者资源和检测限制及OPF约束。
2015-06-11 cs.CR cs.SY eess.SY
Active Defense Against False Data Injection Attacks in Robotic Manipulators
M \"a lardalen University, V \"a ster s, Sweden (e-mail: ).
本文提出两种防御方法，即异常感知虚拟阻尼和操作性降低，以提高机器人机械臂在有限时间范围内抵御虚假数据注入攻击的能力，并通过仿真验证其有效性。
2026-05-21 cs.RO cs.SY eess.SY
Man in the middle and current injection attacks against the KLJN key exchanger compromised by DC sources
这项研究解决了一个新的问题，关于Kirchhoff-Law-Johnson-Noise（KLJN）方案的安全性受到Alice和Bob处的DC源的影响：这些寄生源对主动攻击（如中间人（MITM）攻击或电流注入攻击）的影响是什么？令人惊讶的答案是，寄生DC源实际上增加了系统的安全性，因为在MITM攻击的情况下，它们更容易发现窃听。在某些情况下，Eve可以修复此缺陷，但随后问题被简化为KLJN方案免疫的原始MITM攻击，这已经在前面得到了证明
2020-04-03 cs.CR cs.SY eess.SY
Deceiving Flexibility: A Stealthy False Data Injection Model in Vehicle-to-Grid Coordination
McGill University（麦吉尔大学）；L’Institut de recherche d’Hydro-Québec (IREQ)（魁北克水电研究院）
本文提出一种针对eSSM基于V2G协调的隐蔽虚假数据注入攻击，通过操控部分电动车的SoC和功率测量数据，欺骗运营商对车队灵活性的感知，从而逃避异常检测。
2026-03-19 cs.CE cs.SY eess.SY
A false data injection attack method for generator dynamic state estimation
精确、可靠的发电机动态状态量对电力系统的实时监测和控制至关重要。信息攻击的出现给发电机状态估计带来了新的挑战。其中,虚假数据注入(FDI)攻击通过对量测装置注入虚假数据,恶化了状态估计的精度。为此,该文提出一种针对发电机动态状态估计的FDI攻击模型。首先，利用泰勒公式对发电机的测量方程进行线性化。其次，根据FDI攻击前后测量残差相等的原则，建立了攻击向量的表达式，并将其应用于测量量中，避免了传统的不良数据检测。因此，外国直接投资的攻击得以成功实施。然后，根据FDI攻击的严重程度设置3种攻击场景，分别采用容积卡尔曼滤波器（CKF）和鲁棒容积卡尔曼滤波器（RCKF）对3种攻击场景进行测试。最后，IEEE 9节点系统和新英格兰16机68节点系统的仿真结果验证了所提出的FDI攻击方法的有效性。
2019-08-18 cs.SY eess.SP eess.SY
Exploring The Resilience of Control Execution Skips against False Data Injection Attacks
本文研究如何通过控制执行跳过提升CPS对虚假数据注入攻击的鲁棒性，提出最优跳过模式合成方法，并在安全关键CPS基准上验证了攻击鲁棒性与控制性能之间的权衡。
2022-07-16 cs.CR cs.SY eess.SY
Data-Injection Attacks in Stochastic Control Systems: Detectability and Performance Tradeoffs
University of Notre Dame（圣母大学）；University of California, Riverside（加州大学河滨分校）
研究随机控制系统中数据注入攻击的可检测性及攻击者为保持隐蔽而造成的性能下降量化。
2017-04-03 cs.SY eess.SY math.OC
Detection of False Data Injection Attacks Using the Autoencoder Approach
状态估计对于电力系统的运行和控制具有重要意义。然而，精心设计的虚假数据注入攻击可以利用传统的基于残差的坏数据检测方法中的盲点，以协调的方式操纵测量，从而影响电网的安全运行和经济调度。本文提出了一种基于自动编码器神经网络的检测方法。通过在“正常”运行数据中固有的依赖关系上训练网络，它有效地克服了电力系统攻击检测中固有的不平衡训练数据的挑战。为了评估所提出的机制的检测性能，我们进行了一系列的IEEE 118节点电力系统的实验。实验结果表明，所提出的自动编码器检测器在各种攻击场景下显示出鲁棒的检测性能。
2022-12-14 cs.CR cs.SY eess.SP
Risk-averse controller design against data injection attacks on actuators for uncertain control systems
本文研究了一类不确定控制系统的最优控制器设计问题。我们考虑的攻击，旨在最大限度地提高攻击的影响，同时保持隐身在有限的视野。为此，我们使用条件风险值来描述与攻击影响相关的风险。最坏情况下的攻击影响的特点是使用最近提出的输出到输出$\ell_2$增益（OOG）。我们制定的设计问题，并观察到它是非凸的，很难解决。使用基于凸优化的框架和凸代理的OOG，我们提出了一个凸优化问题，近似解决了设计问题的概率证书。最后，我们通过一个数值例子来说明结果。
2022-02-28 cs.SY eess.SY math.OC
Designing False Data Injection attacks penetrating AC-based Bad Data Detection System and FDI Dataset generation
传统电力系统向现代智能电网的演进给这一关键基础设施带来了许多新的网络安全挑战。最危险的网络安全威胁之一是虚假数据注入（FDI）攻击，特别是当它能够完全绕过广泛部署的状态估计坏数据检测器并中断电力系统的正常运行时。大多数仿真的FDI攻击都是使用简化的线性DC模型设计的，而大多数工业标准的状态估计系统都是基于非线性AC模型。本文基于非线性AC模型提出了一种综合的FDI攻击方案。九总线西部系统协调委员会（WSCC）的电力系统的案例研究，使用行业标准包，以评估拟议的设计方案的结果。一个公共的FDI数据集被生成作为社区开发和评估新的检测算法的测试集，这是该领域缺乏的。通过基于物理幂律和统计分析的初步分析，对数据集的FDI隐身性进行了评估和证明。
2020-03-11 cs.CR cs.SY eess.SY
Risk assessment and optimal allocation of security measures under stealthy false data injection attacks
本文首先研究了不确定控制系统在虚假数据注入攻击下的风险评估问题。我们认为对手与完整的系统知识，注入隐形虚假数据到一个不确定的控制系统。然后，我们使用风险价值来表征与对手造成的攻击影响相关的风险。最坏情况下的攻击影响的特点是最近提出的输出到输出增益。我们观察到，风险评估问题对应于一个无限的非凸鲁棒优化问题。为此，我们使用耗散系统理论和情景的方法来近似的风险评估问题成一个凸问题，并提供近似的概率证书。其次，我们考虑了安全措施的分配问题。我们考虑一个运营商的安全预算的约束。在此约束下，我们提出了一种算法，以最佳分配的安全措施，使用计算出的风险，从而得到的风险值最小化。最后，我们通过一个数值例子来说明结果。数值示例还说明了使用风险价值的安全分配以及对名义系统的影响可能具有不同的结果：从而描绘了使用风险度量的益处。
2022-07-11 cs.SY eess.SY math.OC
CHIMERA: A Hybrid Estimation Approach to Limit the Effects of False Data Injection Attacks
电网的可靠运行由提供监测和控制功能的能量管理系统（EMS）支持。应急分析是EMS的一个重要应用，用于评估停机的影响并为系统故障做好准备。然而，虚假数据注入攻击（FDIA）已经证明了损害传感器测量和伪造估计的电力系统状态的可能性。因此，FDIA可能会误导系统运行和其他EMS应用，包括应急分析和最佳潮流。在本文中，我们评估FDIA的影响，并证明这种攻击可以影响所产生的意外事件的数量。为了减轻FDIA的影响，我们提出了CHIMERA，一种混合攻击弹性状态估计方法，集成了基于模型和数据驱动的方法。CHIMERA将物理电网信息与基于长短期记忆（LSTM）的深度学习模型相结合，考虑加权最小二乘误差的静态损失和实际有功功率与估计有功功率的时间变化之间的差异的动态损失。我们的模拟实验的基础上，从纽约州的负荷数据表明，CHIMERA可以有效地减轻91.74%的情况下，FDIA可以恶意修改的意外事件。
2021-09-20 cs.CR cs.SY eess.SY
A Survey of Machine Learning Methods for Detecting False Data Injection Attacks in Power Systems
在过去十年中，针对电力系统并造成物理和经济损失的网络攻击数量迅速增加。其中，虚假数据注入攻击（FDIA）是针对电网监控系统的一类网络攻击。对手可以成功地执行FDIA，以便通过危害传感器或修改系统数据来操纵电力系统状态估计（SE）。SE是能量管理系统（EMS）基于系统冗余测量和网络拓扑来估计未知状态变量的基本过程。SE例程包括不良数据检测（BDD）算法，以从所获取的测量中消除误差，例如，在传感器故障的情况下。FDIA可以绕过BDD模块，将恶意数据向量注入测量子集而不被检测到，从而操纵SE过程的结果。为了克服传统的基于残差的BDD方法的局限性，基于机器学习算法的数据驱动解决方案由于其快速的执行时间和准确的结果而被广泛用于检测传感器数据的恶意操纵。本文提供了一个全面的审查最先进的机器学习方法检测FDIA对电力系统SE算法。
2020-08-16 cs.CR cs.SY eess.SY
Investigating Man-in-the-Middle-based False Data Injection in a Smart Grid Laboratory Environment
随着信息和通信技术在电网中的日益广泛应用，网络攻击对能源供应安全的威胁日益严重。传统的网络安全措施，如防火墙或入侵检测/预防系统，可用作缓解和预防措施，但有效使用这些措施需要深入了解能源信息系统中的潜在威胁格局和复杂的攻击过程。鉴于智能电网应用中协调的定时攻击的复杂性和缺乏详细的知识，我们需要在适当和实用的环境中了解现实的攻击场景。在本文中，我们提出了一种基于中间人的攻击方案，该方案拦截控制系统和现场设备之间的过程通信，采用错误数据注入技术，并执行数据损坏，如向现场设备发送错误命令。我们证明了物理智能电网实验室环境中的攻击场景的适用性，并分析正常和攻击条件下生成的数据，提取特定领域的知识检测机制。
2021-10-18 cs.CR cs.NI cs.SY
