找到 3 条结果 · IEEE Access
电池管理系统：威胁建模、脆弱性分析和网络安全策略
Battery Management System: Threat Modeling, Vulnerability Analysis, and Cybersecurity Strategy
Shravan Murlidharan · Varsha Ravulakole · Jyothi Karnati · Hafiz Malik · IEEE Access · 2025年1月
电池管理系统BMS在现代储能技术中发挥关键作用，确保电池安全、性能和寿命。然而随着BMS日益复杂和互联，面临不断增长的网络安全挑战可能导致灾难性故障和安全隐患。本文全面概述针对传统和无线BMS的网络攻击。探索各种攻击载体，包括恶意软件注入、电磁干扰EMI、温度传感操纵、传感器故障和故障注入、现代BMS干扰攻击。通过威胁建模和脆弱性分析，本文检查对BMS功能、安全和性能的潜在影响。突出不同BMS架构和组件相关的脆弱性，强调保护免受新兴威胁所需的强大网络安全措施。关键网络安全策略包括入侵检测系统ID...
解读: 该BMS网络安全研究对阳光电源储能和电动汽车BMS产品线有重要参考价值。阳光储能BMS和车载OBC面临日益严峻的网络安全威胁。威胁建模和脆弱性分析方法可应用于阳光BMS安全评估和防护设计。入侵检测IDS和加密身份验证技术可集成到阳光BMS中，提升系统安全等级。可信平台模块TPM等硬件安全机制对阳光开...
网络攻击预测：从传统机器学习到生成式人工智能
Cyber Attack Prediction: From Traditional Machine Learning to Generative Artificial Intelligence
Shilpa Ankalaki · Aparna Rajesh Atmakuri · M. Pallavi · Geetabai S Hukkeri 等6人 · IEEE Access · 2025年1月
网络威胁日益复杂对个人、组织和国家构成重大风险。网络犯罪包括黑客攻击和数据泄露,具有严重经济和社会后果。传统安全解决方案难以应对不断演变的威胁态势。人工智能AI提供强大技术来应对这些挑战。本文探讨AI方法包括机器学习ML、深度学习DL、自然语言处理NLP、可解释AI和生成式AI在解决各种网络安全问题中的应用。关键贡献包括:1)ML和DL方法对比研究,评估准确性、适用性和各种网络安全挑战的适用性;2)可解释AI方法研究,增强AI安全解决方案的透明度和可解释性;3)生成式AI和NLP新兴趋势探索,检...
解读: 该网络安全AI技术对阳光电源iSolarCloud平台和智能设备安全防护有重要参考价值。阳光云平台连接海量光伏储能设备,面临网络攻击威胁。生成式AI和机器学习方法可应用于阳光平台的入侵检测和异常行为识别。可解释AI技术可提升阳光安全系统的透明度,辅助安全运维决策。威胁情报生成和攻击模拟方法对阳光安全...
通过深度学习和混合安全模型缓解智能信息物理电力系统的网络风险
Mitigating Cyber Risks in Smart Cyber-Physical Power Systems Through Deep Learning
M. A. S. P. Dayarathne · M. S. M. Jayathilaka · R. M. V. A. Bandara · V. Logeeshan 等6人 · IEEE Access · 2025年1月
智能电网中可再生能源集成的兴起带来新网络安全挑战，促使本研究检验智能信息物理电力系统CPPS的脆弱性。风能和太阳能等可再生能源集成到智能电网因其分散和可变特性带来运行风险，特别是在实时监控和控制所需的通信层内。虽然可再生能源集成增加不直接影响网络安全脆弱性，但主要挑战源于其分散性。解决这种分散需要在供需之间使用网络层，为电力系统控制和通信系统引入网络威胁脆弱性。这些层易受虚假数据注入FDI、拒绝服务DoS和重放攻击等多样化网络攻击，可能危及电网稳定性和安全性。为应对这些风险，研究提出混合方法，集...
解读: 该网络安全技术对阳光电源智慧能源平台安全防护至关重要。阳光iSolarCloud云平台连接海量光伏储能设备，面临虚假数据注入和拒绝服务等网络攻击威胁。该研究的深度学习异常检测方法可集成到阳光云平台安全体系，实现实时威胁识别和防御。在电网侧储能场景下，网络攻击可能导致储能系统误动作，影响电网稳定。该C...