شناسايي تزريق داده كاذب در سامانه قدرت با استفاده از روش‌هاي يادگيري عميق مبتني بر خودرمزگذار

در دهه گذشته، تعداد حملات سايبري به‌منظور هدف قرار دادن سامانه‌هاي قدرت كه سبب خسارات فيزيكي و اقتصادي مي گردد، افزايش يافته است. حملات تزريق داده كاذب، از جمله حملات سايبري مي باشند كه بر سامانه نظارت شبكه هاي برق اثر مي گذارد. حملات با تزريق داده كاذب، با دستكاري در تخمين حالت سامانه قدرت، سبب به خطر انداختن شبكه قدرت مي شود، همچنين به تازگي برقدزدي يكي از اهداف تزريق داده كاذب قرار گرفته است. روش هاي يادگيري ماشيني، يكي از راهكارهاي تشخيص داده‌هاي كاذب است. در اين مقاله، ابتدا با استفاده از روش خودرمزگذار عميق، ابعاد مسئله، تعداد ورودي براي طبقه بندي مسئله و شناسايي، كاهش يافته و سپس با استفاده از روش بردار ماشين پشتيباني و آموزش داده ها، عمل شناسايي انجام شده است. روش تشخيص، براي سامانه هاي ۱۴ و ۱۱۸ شينه IEEE مورد بررسي و مقايسه قرار گرفته و دقت هر روش بر اساس نتايج شبيه سازي طبقه بندي شده و  همچنين به‌منظور اثربخشي روش پيشنهادي، با تغيير در تعداد داده هاي تحت آموزش، تأثير تغيير در دقت شناسايي ارزيابي شده است كه نتايج حاكي از اثر بخشي روش پيشنهادي مي‌باشد.