Systems and Control,Cryptography and Security,Machine Learning,Signal Processing,سیستم ها و کنترل , رمزنگاری و امنیت , یادگیری ماشین , پردازش سیگنال ,
توضیحات
Submitted 6 September, 2024; originally announced September 2024. , Comments: Accepted to IEEE Transactions on Systems, Man, and Cybernetics: Systems. \c{opyright} 2024 IEEE
توضیحات به فارسی
ارسال شده در 6 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: پذیرفته شده در معاملات IEEE در سیستم ها ، انسان و سایبرنتیک: سیستم.\ C {Opyright} 2024 IEEE
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Line Current Differential Relays (LCDRs) are high-speed relays progressively used to protect critical transmission lines. However, LCDRs are vulnerable to cyberattacks. Fault-Masking Attacks (FMAs) are stealthy cyberattacks performed by manipulating the remote measurements of the targeted LCDR to disguise faults on the protected line. Hence, they remain undetected by this LCDR. In this paper, we propose a two-module framework to detect FMAs. The first module is a Mismatch Index (MI) developed from the protected transmission line's equivalent physical model. The MI is triggered only if there is a significant mismatch in the LCDR's local and remote measurements while the LCDR itself is untriggered, which indicates an FMA. After the MI is triggered, the second module, a neural network-based classifier, promptly confirms that the triggering event is a physical fault that lies on the line protected by the LCDR before declaring the occurrence of an FMA. The proposed framework is tested using the IEEE 39-bus benchmark system. Our simulation results confirm that the proposed framework can accurately detect FMAs on LCDRs and is not affected by normal system disturbances, variations, or measurement noise. Our experimental results using OPAL-RT's real-time simulator confirm the proposed solution's real-time performance capability.
چکیده به فارسی (ترجمه ماشینی)
رله های دیفرانسیل جریان جریان (LCDR) رله های پر سرعت هستند که به تدریج برای محافظت از خطوط انتقال بحرانی استفاده می شوند.با این حال ، LCDR ها در برابر حملات سایبری آسیب پذیر هستند.حملات ماسک گسل (FMA) حملات سایبری مخفی است که با دستکاری در اندازه گیری های از راه دور LCDR هدفمند برای پنهان کردن گسل ها در خط محافظت شده انجام می شود.از این رو ، آنها توسط این LCDR کشف نشده اند.در این مقاله ، ما یک چارچوب دو ماژول برای تشخیص FMA پیشنهاد می کنیم.ماژول اول یک شاخص عدم تطابق (MI) است که از مدل فیزیکی معادل خط انتقال محافظت شده ساخته شده است.MI فقط در صورت عدم وجود عدم تطابق قابل توجهی در اندازه گیری های محلی و از راه دور LCDR ایجاد می شود در حالی که خود LCDR غیرقابل توصیف است ، که این نشان دهنده FMA است.پس از ایجاد MI ، ماژول دوم ، طبقه بندی کننده مبتنی بر شبکه عصبی ، فوراً تأیید می کند که رویداد تحریک کننده یک گسل فیزیکی است که قبل از اعلام وقوع FMA بر روی خط محافظت شده توسط LCDR قرار دارد.چارچوب پیشنهادی با استفاده از سیستم معیار IEEE 39-Bus آزمایش می شود.نتایج شبیه سازی ما تأیید می کند که چارچوب پیشنهادی می تواند FMA را به طور دقیق در LCDR ها تشخیص دهد و تحت تأثیر اختلالات عادی سیستم ، تغییرات یا سر و صدای اندازه گیری قرار نمی گیرد.نتایج تجربی ما با استفاده از شبیه ساز در زمان واقعی Opal-RT قابلیت عملکرد زمان واقعی راه حل پیشنهادی را تأیید می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
