Sign In

Federated Spatiotemporal Graph Learning for Passive Attack Detection in Smart Grids

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
Empty

μ €μž

Bochra Al Agha, Razane Tajeddine

πŸ’‘ κ°œμš”

λ³Έ 논문은 슀마트 κ·Έλ¦¬λ“œ ν™˜κ²½μ—μ„œ μ€λ°€ν•˜κ²Œ 정보λ₯Ό μˆ˜μ§‘ν•˜λŠ” μˆ˜λ™μ  곡격을 νƒμ§€ν•˜κΈ° μœ„ν•œ μƒˆλ‘œμš΄ κ·Έλž˜ν”„ 기반 닀쀑 λͺ¨λ“œ 탐지 방법을 μ œμ•ˆν•œλ‹€. μ œμ•ˆλœ 방법은 물리 계측 및 행동 μ§€ν‘œλ₯Ό ν†΅ν•©ν•˜κ³ , ꡭ지적(ego-centric) μŠ€νƒ€ κ·Έλž˜ν”„μ™€ 짧은 μ‹œκ°„ 창을 ν™œμš©ν•˜μ—¬ 탐지λ₯Ό μˆ˜ν–‰ν•œλ‹€. 특히, κ·Έλž˜ν”„ μ»¨λ³Όλ£¨μ…˜κ³Ό μ–‘λ°©ν–₯ GRUλ₯Ό κ²°ν•©ν•œ 2단계 인코더λ₯Ό 톡해 μ‹œκ³΅κ°„μ  νŠΉμ§•μ„ 효과적으둜 ν•™μŠ΅ν•˜μ—¬ 98.32%의 높은 탐지 정확도λ₯Ό λ‹¬μ„±ν–ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
μ‹œμ‚¬μ  1: μˆ˜λ™μ  곡격과 같이 탐지가 μ–΄λ €μš΄ μ€λ°€ν•œ μœ„ν˜‘μ„ νƒμ§€ν•˜λŠ” 데 μžˆμ–΄ μ‹œκ³΅κ°„μ  λ§₯락의 톡합이 맀우 νš¨κ³Όμ μž„μ„ μž…μ¦ν–ˆλ‹€.
β€’
μ‹œμ‚¬μ  2: FedProx μ—°ν•© ν•™μŠ΅ 방식을 톡해 각 λ…Έλ“œμ— μ›μ‹œ 데이터가 μœ μ§€λ˜λ©΄μ„œλ„ 이질적인 둜컬 데이터에 λŒ€ν•œ 견고성을 ν™•λ³΄ν•˜μ—¬ λΆ„μ‚° ν™˜κ²½μ—μ„œμ˜ 신뒰성을 λ†’μ˜€λ‹€.
β€’
ν•œκ³„μ  λ˜λŠ” ν–₯ν›„ 과제: μ œμ•ˆλœ λͺ¨λΈμ˜ μ‹€μ œ λ‹€μ–‘ν•œ λ„€νŠΈμ›Œν¬ ν™˜κ²½μ—μ„œμ˜ 적용 κ°€λŠ₯μ„± 및 λŒ€κ·œλͺ¨ λΆ„μ‚° μ‹œμŠ€ν…œμ—μ„œμ˜ ν™•μž₯μ„± 검증이 ν•„μš”ν•˜λ‹€. λ˜ν•œ, 보닀 λ³΅μž‘ν•˜κ³  닀측적인 곡격 μ‹œλ‚˜λ¦¬μ˜€μ— λŒ€ν•œ λŒ€μ‘ λŠ₯λ ₯을 κ°•ν™”ν•˜λŠ” 연ꡬ가 ν•„μš”ν•˜λ‹€.
πŸ‘
Made with Slashpage