تشخیص مشارکتی و توزیع شده مبتنی بر هاست برای حملات تزریقی داده های نادرست
ترجمه شده

تشخیص مشارکتی و توزیع شده مبتنی بر هاست برای حملات تزریقی داده های نادرست

عنوان فارسی مقاله: تشخیص مشارکتی و توزیع شده مبتنی بر هاست برای حملات تزریقی داده های نادرست در سیستم فیزیکی سایبری (CPS) مبتنی بر شبکه هوشمند
عنوان انگلیسی مقاله: Distributed host-based collaborative detection for false data injection attacks in smart grid cyber-physical system
مجله/کنفرانس: مجله محاسبات موازی و توزیع شده - Journal of Parallel and Distributed Computing
رشته های تحصیلی مرتبط: مهندسی کامپیوتر و فناوری اطلاعات، مهندسی برق
گرایش های تحصیلی مرتبط: اینترنت و شبکه های گسترده، شبکه های کامپیوتری، معماری سیستم های کامپیوتری، امنیت اطلاعات، سیستم قدرت
کلمات کلیدی فارسی: سیستم فیزیکی سایبری- شبکه هوشمند، حمله تزریق داده نادرست، مشارکتی توزیع شده مبتنی بر هاست، سیستم اعتبار تطبیقی
کلمات کلیدی انگلیسی: Smart grid cyber-physical system (CPS) - False data injection attack - Distributed host-based collaborative detection - Adaptive reputation system
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: scopus - master journals - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.jpdc.2016.12.012
دانشگاه: دانشکده مهندسی برق و الکترونیک، دانشگاه فنی نانیانگ، سنگاپور
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2017
ایمپکت فاکتور: 3.293 در سال 2019
شاخص H_index: 81 در سال 2020
شاخص SJR: 0.525 در سال 2019
شناسه ISSN: 0743-7315
شاخص Quartile (چارک): Q3 در سال 2019
صفحات مقاله انگلیسی: 10
صفحات ترجمه فارسی: 28 (1 صفحه رفرنس انگلیسی)
فرمت مقاله انگلیسی: pdf
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
ترجمه شده از: انگلیسی به فارسی
وضعیت ترجمه: ترجمه شده و آماده دانلود
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
آیا منابع داخل متن درج یا ترجمه شده است: بله
آیا توضیحات زیر تصاویر و جداول ترجمه شده است: بله
آیا متون داخل تصاویر و جداول ترجمه شده است: بله
کد محصول: 10838
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ترجمه فارسی فهرست مطالب

چکیده


1- مقدمه


2- کار مرتبط


3- مدل ها و اهداف طراحی


1-3- مدل سیستم


2-3- مدل تهدید


3-3- اهداف طراحی


4- روش DHCD پیشنهادی


1-4- FDD مشارکتی


2-4- تعیین PMU سازگار(آسیب دیده)


5. ارزیابی عملکرد


1-5- کارایی الگوریتم FDD


2-5- شناسایی PMUs سازگارشده توسط سیستم اعتبار ما


6- نتیجه گیری

فهرست انگلیسی مطالب

abstract


1. Introduction


2. Related work


3. Models and design goals


3.1. System model


3.2. Threat model


3.2. Threat model


3.3. Design goals


4. Proposed DHCD method


4.1. Collaborative FDD


4.2. Determination of compromised PMU


5. Performance evaluation


5.1. Efficacy of FDD algorithm


5.2. Identification of compromised PMUs with Our reputation system


6. Conclusions

نمونه ترجمه فارسی مقاله

چکیده


حملات تزریقی داده های نادرست(FDI)، تهدیدات امنیتی مهمی برای سیستم فیزیکی سایبری(CPS) مبتنی بر شبکههوشمند محسوب می شوند، و می تواند منجر به ایجاد فواجع عظیمی در سراسر سیستم قدرت شود. با این حال، مقابله با حملات FDI در CPS مبتنی بر شبکه هوشمند، به دلیل وابستگی شدید به شبکه های اطلاعاتی آزاد چالش برانگیز است. اکثر راهحلهای موجود از نظر محاسباتی گران و بر اساس تخمین حالت (SE) در مرکز کنترل بسیار متمرکز هستند. همچنین این راهحلها بطور کلی، سطح بالایی از تضمین امنیت را فراهم نمیکند، براساس شواهدکارهای اخیر، مشخصاست که حملهکنندگان هوشمندFDI، با شناخت از ساختار سیستم، براحتی میتوانند سیستمهای تشخیصی مبتنی بر SEمربوط به حملات داده های نادرست را دور بزنند. در این مقاله، یک روش تشخیص مشارکتی و توزیع شده نوین مبتنی برهاست، به منظور رسیدگی به این چالش هاپیشنهاد شده است. ما بطور خاص از الگوریتم رای اکثریت، مبتنی بر قواعد مشترک استفاده می‌کنیم تا داده‌های اندازه‌گیری نادرست و مندرج که با واحد اندازه‌گیری فازور(PMUs) سازگار شده است، را بصورت مشارکتی تشخیص دهیم. علاوه براین، یک سیستم اعتبار بصورت خلاقانه به همراه الگوریتم بروز رسانی مبتنی بر اعتبار تطبیقی، برای ارزیابی وضعیت اجرای PMU ها طراحی شده است که با استفاده آن میتوانیم بصورت آشکار حملات FDI را مشاهده کنیم. آزمایشات شبیه سازی جامعی با داده های اندازه گیری زمان واقعی انجام میدهیم که با استفاده از شبیه ساز پاور ورلد حاصل شده است، و نتایج عددی اثربخشی طرح پیشنهاد ما را تایید میکند.


1-مقدمه


سیستم فیزیکی سایبری (CPS) مبتنی بر شبکه هوشمند، برای تسهیل در تحویل توان بصورت دقیق، با کارامدی بالا و اطمینان پذیر، و همچنین بهره مندی و یکپارچه سازی از انرژی پایدار طراحی‌شده‌است [22,40]. باوجود مزایای بلقوه CPS مبتنی بر شبکه هوشمند، تهدیدهای اساسی وجود دارد که می تواند امنیت سیستم را به خطر بیندازد، و در نتیجه تاثیرات زیادی بر ثبات جامعه میگذارد [22,9,17,21](در شکل1، نمای سیستم یک CPS مبتنی بر شبکه هوشمند را مشاهده کنید).


6- نتیجه گیری


دراین مقاله، ما یک روش DHCD نوین برای شناسایی و تضعیف حملات FDI در CPS مبتنی بر شبکه هوشمند پیشنهاددادیم. بطورخاص، مشخصات قواعد براساس سیستم تشخیص مشارکتی و زمان - واقعی به جهت شناسایی داده‌های اندازه گیری غیرعادی طراحی شد. علاوه براین، یک سیستم اعتبار جدید با الگوریتم ARU برای ارزیابی وضعیت اجرای PMU ها ارائه شد، که می تواند برای شناسایی PMU های سازگار، مورد استفاده قرارگیرد. سپس ما مطلوبیت رویکرد پیشنهادی را با استفاده از شبیه سازی سیستم قدرت 39 گذرگاه IEEE بررسی کردیم. همانطور که قبلا بحث شده است، روش ما برای شناسایی فعالیت های مخربی طراحی شده است که منجر به نامتعارفی داده های اندازهگیری می شود. کار آینده شامل گسترش رویکرد پیشنهاد شده برای گرفتن خطاهای سیستم قدرت است( به عنوان مثال، توزیع ولتاژ، مدار باز و اتصال کوتاه)

نمونه متن انگلیسی مقاله

Abstract


False data injection (FDI) attacks are crucial security threats to smart grid cyber-physical system (CPS), and could result in cataclysmic consequences to the entire power system. However, due to the high dependence on open information networking, countering FDI attacks is challenging in smart grid CPS. Most existing solutions are based on state estimation (SE) at the highly centralized control center; thus, computationally expensive. In addition, these solutions generally do not provide a high level of security assurance, as evidenced by recent work that smart FDI attackers with knowledge of system configurations can easily circumvent conventional SE-based false data detection mechanisms. In this paper, in order to address these challenges, a novel distributed host-based collaborative detection method is proposed. Specifically, in our approach, we use a conjunctive rule based majority voting algorithm to collaboratively detect false measurement data inserted by compromised phasor measurement units (PMUs). In addition, an innovative reputation system with an adaptive reputation updating algorithm is also designed to evaluate the overall running status of PMUs, by which FDI attacks can be distinctly observed. Extensive simulation experiments are conducted with real-time measurement data obtained from the PowerWorld simulator, and the numerical results fully demonstrate the effectiveness of our proposal.


1. Introduction


Smart grid cyber-physical system (CPS) is designed to facilitate highly efficient, accurate, and reliable power delivery as well as sustainable energy integration and utilization [22,40]. Despite the potential benefits of a smart grid CPS, there are underlying threats that could jeopardize the security of the system and consequently, have a cascading effect on the stability of the society [22,9,17,21] (see Fig. 1 the system view of a smart grid CPS).


6. Conclusions


In this paper, we proposed a novel DHCD method to identify and mitigate FDI attacks in smart grid CPS. Specifically, a rule specification based real-time collaborative detection system was designed to identify the anomalies of measurement data. In addition, a new reputation system with an ARU algorithm was presented to evaluate the overall running status of the PMUs, which can be used to identify compromised PMUs. We then demonstrated the utility of the proposed approach using simulations of the IEEE 39-bus power system. As previously discussed, our method is designed to detect the malicious activities resulting in the anomaly of measurement data. Future work would include extending the proposed approach to capture power system faults (e.g., voltage disturbance, open circuit, and short circuit).

تصویری از فایل ترجمه

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۲۵,۸۰۰ تومان
خرید محصول
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

تشخیص مشارکتی و توزیع شده مبتنی بر هاست برای حملات تزریقی داده های نادرست
مشاهده خریدهای قبلی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها