KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2026 / Cilt: 32 Sayı: 2

SİMETRİK α-KARARLI GÜRÜLTÜ ALTINDA AKILLI ŞEBEKE GÜVENLİĞİ İÇİN DURAĞAN DURUM KESTİRİMİ VE VERİ ENJEKSİYON SALDIRILARININ TESPİTİ

Alirıza Yavuz
Mehmet Emre Çek
Olcay Akay
Sayfa
0–0
Yayın Tarihi
2017-06-13
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada, seçilen eşik değerinin, doğu tespit oranı, yanlış alarm oranı ve ortalama tespit süresi üzerindeki etkisi farklı α değerleri için detaylı olarak irdelenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Gauss olmayan ortamlarda akıllı şebekeler için durağan durum kestirimi problemi ele alınmıştır.
📊
Temel Bulgular & Veri:Buna ilave olarak, akıllı şebekelerde baraların ölçüm değerlerine yapılan kötü niyetli veri enjeksiyonu saldırılarının en hızlı şekilde tespit edilebilmesi için kümülatif toplam (CUSUM) tekniği kullanılmış ve performansı α-kararlı gürültü altında irdelenmiştir.
💡
Sonuç & Katkı:Bu çalışmada, seçilen eşik değerinin, doğu tespit oranı, yanlış alarm oranı ve ortalama tespit süresi üzerindeki etkisi farklı α değerleri için detaylı olarak irdelenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Akıllı şebeke güvenliği · α-kararlı dağılımlar · Gauss olmayan ortamlarda durum kestirimi

Özet

Bu çalışmada, Gauss olmayan ortamlarda akıllı şebekeler için durağan durum kestirimi problemi ele alınmıştır. Durum kestiriminde gürültünün Gauss dağılıma sahip olduğu yaygın olarak kabul edilir. Fakat bazı gerçek dünya uygulamalarında gürültü dürtüsel bir dağılıma da sahip olabilmektedir. Gürültünün Gauss dağılımla modellendiği sistemlerde, durum kestirimi için genellikle en küçük kareler (LS) yöntemi kullanılmaktadır. Bu çalışmada ise dürtüsel bileşenler içeren gürültü α-kararlı dağılımla modellenmiş, durağan durum kestirimi için gürbüz süzgeçler seçilmiş ve bu süzgeçlerin performansları, LS yöntemi ile kıyaslanmıştır. Buna ilave olarak, akıllı şebekelerde baraların ölçüm değerlerine yapılan kötü niyetli veri enjeksiyonu saldırılarının en hızlı şekilde tespit edilebilmesi için kümülatif toplam (CUSUM) tekniği kullanılmış ve performansı α-kararlı gürültü altında irdelenmiştir. Veri enjeksiyonu saldırılarının hızlı tespitinde, tespit hızı ile tespit güvenilirliği arasında bir tercih söz konusudur. CUSUM tekniğinde, seçilen eşik değeri, kötü niyetli saldırıların tespitinin performansını belirlemektedir. Bu çalışmada, seçilen eşik değerinin, doğu tespit oranı, yanlış alarm oranı ve ortalama tespit süresi üzerindeki etkisi farklı α değerleri için detaylı olarak irdelenmiştir.

🔖

Bu Makaleye Atıf Yap

Yavuz, A., Çek, M. E., Akay, O. (2017). SİMETRİK α-KARARLI GÜRÜLTÜ ALTINDA AKILLI ŞEBEKE GÜVENLİĞİ İÇİN DURAĞAN DURUM KESTİRİMİ VE VERİ ENJEKSİYON SALDIRILARININ TESPİTİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 32 Sayı: 2, 0–0. https://doi.org/10.17341/gazimmfd.322171

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (21)

  1. Huang, Y.F., Werner, S., Huang, J., Kashyap, N. ve Gupta, V., “State Estimation in Electric Power Grids: Meeting New Challenges Presented by the Requirements of the Future Grid”, IEEE Signal Processing Magazine, Cilt 29, No 5, 33-43, Eylül 2012.
  2. Yang, Q., Chang, L. ve Yu, W., “On False Data Injection Attacks Against Kalman Filtering in Power System Dynamic State Estimation”, Security and Communication Networks – Special Issue, Published Online in Wiley Online Library, 2013.
  3. Khalili, A., Rastegarnia, A. ve Sanei, S., “Robust Frequency Estimation in Three-Phase Power Systems Using Correntropy-Based Adaptive Filter”, IET Science, Measurement & Technology, Cilt 9, No 8, 928-935, 2015.
  4. Arce, G.R., Nonlinear Signal Processing: A Statistical Approach, John Wiley & Sons, New Jersey, A.B.D., 2005.
  5. Aysal, T.C. ve Barner, K.E., “Meridian Filtering for Robust Signal Processing”, IEEE Transactions of Signal Processing, Cilt 55, No 8, 3949-3962, 2007.
  6. Anwar, A., Mahmood, A.N. ve Shah, Z., “A Data-Driven Approach to Distinguish Cyber-Attacks from Physical Faults in a Smart Grid”, CIKM’15 Proceedings of the 24th ACM International Conference on Information and Knowledge Management, Melbourne-Australia, 1811-1814, 19-23 Ekim 2015.
  7. Cui, S., Han, Z., Kar, S., Kim, T.T., Poor, H.V. ve Tajer, A., “Coordinated Data-Injection Attack and Detection in the Smart Grid: A Detailed Look at Enriching Detection Solutions”, IEEE Signal Processing Magazine, Cilt 29, No 5, 106-115, 2012.
  8. Yang, Q., Yang, J., Yu, W., An, D., Zhang, N. ve Zhao, W., “On False Data-Injection Attacks Against Power System State Estimation: Modeling and Countermeasures”, IEEE Transactions on Parallel and Distributed Systems, Cilt 25, No 3, 717-729, 2014.
  9. Liu, L., Esmalifalak, M., Ding, Q., Emesih, V.A. ve Han, Z., “Detecting False Data Injection Attacks on Power Grid by Sparse Optimization”, IEEE Transactions on Smart Grid, Cilt 5, No 2, 612-621, 2014.
  10. Qin Z., Li Q. ve Chuach M.C., “Defending Against Unidentifiable Attacks in Electric Power Grids”, IEEE Transactions on Parallel and Distributed Systems, Cilt 24, No 10, 1961-1971, Ekim 2013.
  11. Giani A., Bitar E., Garcia M., McQueen M., Khargonekar P. ve Poolla K., “Smart Grid Data Injection Attacks”, IEEE Transactions on Smart Gird, Cilt 4, No 3, 1244-1253, Eylül 2013.
  12. Yu Z.-H. ve Chin W.-L., “Blind False Data Injection Attacks Using PCA Approximation Method in Smart Grid”, IEEE Transactions on Smart Grid, Cilt 6, No 3, 1219-1226, Mayıs 2015.
  13. Chaojun G., Jirutitijaroen P. ve Motani M., “Detecting False Data Injection Attacks in AC State Estimation”, IEEE Transactions on Smart Grid, Cilt 6, No 5, 2476-2483, Eylül 2015.
  14. Poor, H.V. ve Hadjiliadis, O., Quickest Detection, Cambridge University Press, Cambridge, Birleşik Krallık, 2008.
  15. Li, S., Yılmaz, Y. ve Wang, X., “Quickest Detection of False Data Injection Attack in Wide-Area Smart Grids”, IEEE Transactions on Smart Grid, Cilt 6, No 6, 2725-2735, 2015.
  16. Samorodnitsky, G. ve Taqqu, M.S., Stable Non-Gaussian Random Processes: Stochastic Models with Infinite Variance, CRC Press, Florida, A.B.D., 1994.
  17. Pander, T. ve Przybyła, T., “Impulsive Noise Cancelation with Simplified Cauchy-Based P-norm Filter”, Elsevier Signal Processing, Cilt 92, No 9, 2187–2198, Eylül 2012.
  18. Basseville, M. ve Nikiforov, I.V., Detection of Abrupt Changes, Prentice Hall, New Jersey, A.B.D., 1993.
  19. Zimmerman, R.D., Murillo-Sanchez, C.E. ve Gan, D., “MATPOWER, A MATLAB Power System Simulation Package”,
  20. http://www.pserc.cornell.edu//matpower/, Son Erişim: 8 Mart, 2016.
  21. Rawat D. B. ve Bajracharya C., “Detection of False Data Injection Attacks in Smart Grid Communication Systems”, IEEE Signal Processing Letters, Cilt 22, No 10, 1652-1656, Ekim 2015.