کاهش اثرات حمله فریب در گیرنده‌های GPS واحدهای اندازه‌گیری فازور با استفاده از شبکه‌های عصبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده برق، دانشگاه علم و صنعت ایران، تهران، ایران

2 دکترا، دانشکده برق، دانشگاه علم و صنعت ایران، تهران، ایران

3 استاد، دانشکده برق، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

زمان‌سنجی دقیق یکی از ویژگی‌های کلیدی سامانه موقعیت‌یاب جهانی (GPS) است که در زیرساخت‌های بسیار مهمی از جمله واحدهای اندازه‌گیری فازور (PMU) مورد استفاده قرار می‌گیرد. هر برچسب زمانی نادقیق در شبکه‌های هوشمند قدرت می‌تواند منجر به اتفاقات فاجعه باری شود. آسیب‌پذیری گیرنده‌های GPS ثابت که در PMUها مستقر هستند، نسبت به حمله همگام‌سازی زمانی (TSA) باعث کاهش سطح اعتماد به زمان ارائه شده توسط این گیرندهها می‌شود. در این مقاله، از روش نظارت ‌بر انحراف ساعت گیرنده PMU استفاده شده است. در این روش، یک الگوریتم کاهش اثرات فریب براساس مشاهدات انحراف ساعت ارائه می‌‌شود. یک شبکه عصبی چندلایه (MLP) برای دنبال کردن رفتار اطلاعات انحراف ساعت و حفظ روند معتبر تحت شرایط حمله همگام‌ساز زمان آموزش داده شده است که می‌تواند به‌طرز چشمگیری روند انحراف ساعت را تقلید کند. در نهایت، نتایج حاصل با برآورد‌گر قوی و کم حافظه RE که یکی از بروزترین روش‌های مقابله با TSA است و همچنین فیلتر توسعه یافته کالمن (EKF) و ناظر LO، مقایسه شد که RMSE روش پیشنهادی بهبود حداقل شش برابری در تشخیص و اصلاح حمله را دارد که این نشان‌دهنده عملکرد خوب روش پیشنهادی است.

کلیدواژه‌ها


Smiley face

[1]    P. P. Barker and R. W. De Mello, “Determining the Impact of Distributed Generation on Power Systems: Part 1-Radial Distribution Systems,” Proc. IEEE PES Summer Power Meeting, Seattle, WA, pp. 1645-1656, Jul. 2000.
[2]    S. Silva, T. Hagan, J. Kim, E. Cotilla-Sanchez et al., “Sparse Error Correction for PMU Data under GPS Spooning Attack,” IEEE Global Conference on Signal and Information Processing (GlobalSIP), pp. 902-906, 2018.
[3]    IEEE Standard for Synchrophasors for Power Systems, IEEE Std. C37.118-2005 (Revision of IEEE Std. 1344-1995), 2006.
[4]    M. Mosavi, S. Tohidi, M. Moazedi, “Reduce the Effect of Interference on the GPS Receiver by using Multiple Correlators,” Journal of Electronic and Cyber Defense, vol. 9, no. 3, pp. 49-57, December 2021, (In Persian).
[5]    F. Diggelen, P. Enge, “The world’s First GPS MOOC and Worldwide Laboratory using Smartphones,” In Proceedings of the 28th International Technical Meeting of the Satellite Division of the Institute of Navigation” (ION GNSS+ 2015), pp. 361-369, 2015.
[6]    W. Lewandowski, G. Petit, C. Thomas “Precision and Accuracy of GPS Time Transfer,” IEEE Tra Instrum Meas, vol. 42, no. 2, pp. 474-479, 1993.
[7]    M. Cui, J. Wang, and M. Yue, “Machine Learning Based Anomaly Detection for Load Forecasting under Cyberattacks,” IEEE Trans. Smart Grid, vol. 10, no. 5, pp. 5724-5734, Sep 2019.
[8]    J. S. Warner and R. G. Johnston, “A Simple Demonstration That the Global Positioning System (GPS) is Vulnerable to Spoofing,” Journal of Security Administration, vol. 25, pp.19-28, 2003.
[9]    X. Fan, S. Pal, D. Duan and L. Du, “Closed-Form Solution for Synchro Phasor Data Correction under GPS Spoofing Attack,” IEEE Power & Energy Society General Meeting (PESGM), pp.1-5, 2018.
[10] M. Mosavi, M. Moazedi, M. Rezaee, A. Tabatabaei, “Dealing with Disturbances in GPS Receivers,” Iran University of Science and Technology Publications, 2015.
[11] D. Schmidt, K. Radke, S. Camtepe, E. Foo, M. Ren, “A Survey and Analysis of the GNSS Spoofing Threat and Countermeasures,” ACM Comput Surv, vol. 48, no. 4, pp. 1-31, 2016.
[12] E. Schmidt, J. Lee, N. Gatsis, D. Akopian, “Rejection of Smooth GPS Time Synchronization Attacks via Sparse Techniques,” IEEE Sens J, vol. 21, no. 1, pp. 776-789, 2020.
[13] X. Jiang, J. Zhang, B. J. Harding, J. J. Makela, A. D. Dominguez-Garcia, “Spoofing GPS Receiver Clock Offset of phasor Measurement Units,” IEEE Trans Power Syst, vol. 28, no. 3, pp. 3253-3262, 2013.
[14] J. Magiera, “A Multi-Antenna Scheme for Early Detection and Mitigation of Intermediate GNSS Spoofing,” Sensors, vol. 19, no. 10, 2019.
[15] K. Ghorbani, N. Orouji, M. R. Mosavi, “Navigation Message Authentication Based on one-way Hash Chain to Mitigate Spoofing Attacks for GPS L1,” Wireless Pers Commun, vol. 113, no. 4, pp. 1743-1754, 2020.
[16] M. L. Psiaki, B. W. O’Hanlon, J. A. Bhatti, D. P. Shepard, T. E. Humphreys, “GPS Spoofing Detection via Dual-Receiver Correlation of Military Signals,” IEEE Trans Aerosp Electron Syst, vol. 49, no. 4, pp. 2250-2267, 2013.
[17] M. R. Mosavi, A. Tabatabaei, M. J. Zandi, “Positioning Improvement by Combining GPS and GLONASS Based on Kalman Filter and Its Application in GPS Spoofing Situations,” Gyroscop Navig, vol. 7, no. 4, pp. 318-325, 2016.
[18] N. Orouji and M. R. Mosavi, “A Multi-Layer Perceptron Neural Network to Mitigate the Interference of Time Synchronization Attacks in Stationary GPS Receivers,” GPS Solut, vol. 25, no. 3, Jul. 2021.
[19] J. A. Volpe, “Vulnerability Assessment of the Transportation Infrastructure Relying on the Global Positioning System,” 2001.
[20] M. R. Mosavi, F. Shafiee, “Narrowband Interference Suppression for GPS Navigation using Neural Networks,” GPS Solutions, vol. 20, no. 3, pp. 341-351, 2016.
[21] F. A. Ibrahim, “Optimal Linear Neuron Learning and Kalman Filter Based Backpropagation Neural Network for DGPS/INS Integration,” IEEE Conference on Position, Location and Navigation Symposium, pp. 1175-1189, 2008.
[22]   J. Lee, A. F. Taha, N. Gatsis, D. Akopian, “Tuning-free, Low Memory Robust Estimator to Mitigate GPS Spoofing Attacks,” IEEE Control Systems Letters, vol. 4, no. 1, pp. 145-150, 2019.
دوره 11، شماره 1 - شماره پیاپی 41
شماره پیاپی41، فصلنامه بهار
خرداد 1402
صفحه 97-105
  • تاریخ دریافت: 23 فروردین 1401
  • تاریخ بازنگری: 01 تیر 1401
  • تاریخ پذیرش: 03 دی 1401
  • تاریخ انتشار: 01 خرداد 1402