26558

كاهش اثرات حمله‌ي فريب در گيرنده‌هاي GPS واحدهاي اندازه‌گيري فازور با استفاده از شبكه‌هاي عصبي

كارشناسي ارشد

مهندسي برق- سيستم‌هاي الكترونيك ديجيتال

1397

1401/01/30

دكتر سيد محمدرضا موسوي ميركلائي

مهندسي برق

زمان‌سنجي دقيق يكي از ويژگي‌هاي كليدي سامانه موقعيتياب جهاني (GPS) است كه در زيرساختهاي بسيار مهمي از جمله واحدهاي اندازه‌گيري فازور (PMU) مورد استفاده قرار مي‌گيرد. هر برچسب زماني نادقيق در شبكه‌هاي هوشمند قدرت مي‌تواند منجر به اتفاقات فاجعه باري شود. آسيبپذيري گيرنده‌هاي GPS ثابت كه در PMUها مستقر هستند، نسبت به حمله همگام‌سازي زماني (TSA) باعث كاهش سطح اعتماد به زمان ارائه شده توسط اين گيرندهها مي‌شود. در اين پروژه از روش نظارت‌بر انحراف ساعت گيرنده PMU استفاده مي‌شود. در اين روش، يك الگوريتم فريب و كاهش تقلب براساس مشاهدات انحراف ساعت ارائه مي‌‌شود. يك شبكه‌ي عصبي پرسپترون چندلايه (MLP) براي دنبال كردن رفتار اطلاعات انحراف ساعت و حفظ روند معتبر تحت شرايط حمله‌ي همگام‌ساز زمان آموزش مي‌بيند كه مي‌تواند به طرز چشمگيري روند انحراف ساعت را تقليد كند. درنهايت، نتايج حاصل با برآورد‌گر قوي و كم‌حافظه RE كه يكي از بروزترين روش‌هاي مقابله با TSA است و همچنين فيلتر توسعه يافته‌ي كالمن (EKF) و ناظر LO مقايسه شد كه RMSE روش پيشنهادي حداقل تا شش برابر در زمينه‌ي تشخيص و اصلاح حمله بهبود يافت. اين امر نشان‌دهنده عملكرد خوب روش پيشنهادي است.

1401/03/11

Reducing the Effects of Deception Attack on GPS Receivers of Phasor Measurement Units using Neural Networks

4/19/2023 12:00:00 AM

Accurate timing is one of the key features of the Global Positioning System (GPS), which is employed in many critical infrastructures. Any imprecise time measurement in GPS-based structures, such as smart power grids, and Phasor Measurement Units (PMUs), can lead to disastrous results. The vulnerability of the stationary GPS receivers to the Time Synchronization Attacks (TSAs) jeopardizes the GPS timing precision and trust level. In this project, the PMU receiver clock deviation monitoring method is used. In this method, a deception and fraud reduction algorithm based on clock deviation observations is presented. A Multi-Layer Perceptron Neural Network (MLP NN) is trained to track clock behavior information behavior and maintain a valid trend under TSA conditions that can dramatically mimic clock deviation. Finally, the results were compared with the robust and low-memory RE estimator, which is one of the most up-to-date methods against TSA, as well as the Extended Kalman Filter (EKF) and Luenberger observer (LO). This indicates the good performance of the proposed method.

واحدهاي اندازه‌گيري فازور , حملات فريب , حمله‌ي همگام‌سازي زماني , شبكه عصبي , سامانه موقعيت‌ياب جهاني

Phasor Mesurement Units , Spoofing Attacks , Time Synchronization Attacks , Neural Network , Global Positioning System

Afsaneh Sadat Tavasoli

Dr. Seyed mohammad Reza Musavi Mirkalayi