← 返回
利用多智能体强化学习识别和修复孤岛直流微电网中的FDI攻击
Vulnerability Identification and Remediation of FDI Attacks in Islanded DC Microgrids Using Multiagent Reinforcement Learning
| 作者 | Ali Jafarian Abianeh · Yihao Wan · Farzad Ferdowsi · Nenad Mijatovic · Tomislav Dragicevic |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年6月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 微电网 强化学习 深度学习 故障诊断 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 直流微电网 虚假数据注入（FDI）攻击 多智能体强化学习 网络安全 漏洞识别 深度强化学习 |
语言:
中文摘要
本文提出了一种基于多智能体深度强化学习（RL）的新方法，旨在揭示现有网络攻击检测方案的缺陷，并为直流微电网建立更可靠的网络安全解决方案。该算法能够自动发现系统中的脆弱点，为提升电力电子系统的网络安全防御能力提供理论基础。
English Abstract
This article proposes a novel approach to uncover deficiencies of the existing cyber-attack detection schemes and thereby to serve as a foundation for establishing more reliable cybersecure solutions, with particular application in dc microgrids. For this purpose, a multiagent deep reinforcement learning (RL)-based algorithm is proposed to automatically discover the vulnerable spots in the convent...
S
SunView 深度解读
随着阳光电源PowerTitan和PowerStack等储能系统及微电网解决方案在全球范围内的广泛部署，系统网络安全已成为关键竞争力。本文提出的多智能体强化学习方法，可应用于iSolarCloud智能运维平台，通过模拟攻击场景主动识别系统脆弱点，提升储能变流器（PCS）在孤岛模式下的抗干扰与防御能力。建议研发团队将此算法集成至微电网能量管理系统（EMS），以增强对虚假数据注入（FDI）攻击的预警与自愈能力，保障分布式能源系统的运行安全。