بهبود دقت تشخيص سرقت برق در شبكه هوشمند

شبكه‌هاي هوشمند برق به دليل به‌كارگيري زيرساخت‌هاي كامپيوتري و مخابرات ديجيتال، در مقايسه با شبكه‌هاي سنتي در برابر حملات امنيتي آسيب‌پذيرترند. به همين دليل نگراني‌هايي در مورد نفوذ افراد غيرمجاز به اين تجهيزات به‌منظور سرقت برق و اعمال خرابكارانه در شبكه برق وجود دارد. در اين ميان سيستم‌هاي تشخيص نفوذ مبتني بر ناهنجاري مي‌توانند به عنوان روشي براي تشخيص افراد فريب‌كار به كار روند. روش‌هاي پيشين ارائه شده براي تشخيص سرقت برق داراي مشكلاتي از قبيل دقت تشخيص پايين، هزينه پياده‌سازي و نرخ مثبت كاذب زياد هستند. هدف اين مقاله، بهبود عملكرد سيستم تشخيص نفوذ در تشخيص حملات مربوط به تغيير داده در شبكه هوشمند است. به منظور دستيابي به هدف مذكور، ابتدا چالش‌هاي امنيتي پيش روي شبكه هوشمند شناسايي و معرفي مي‌گردند و در ادامه روشي مبتني بر يادگيري ماشين ارائه مي‌شود. روش پيشنهادي از دو بخش تشكيل شده است. در بخش نخست موتور تشخيص حملات به كمك چهار دسته‌بند پايه‌ي ماشين بردار پشتيبان، شبكه عصبي MLP، درخت تصميم و K- نزديك‌ترين همسايه پياده‌سازي مي‌شود و در بخش دوم نتايج اين دسته‌بندها به كمك الگوريتم تلفيقي AdaBoost بهبود مي‌يابد. روش پيشنهادي با استفاده از نرم‌افزار MATLAB 2013a پياده‌سازي و با مجموعه داده CER ارزيابي شد. نتايج حاصل از ارزيابي نشان مي‌دهد كه دقت تشخيص و نرخ مثبت كاذب اين روش در مقايسه با ساير دسته‌بندها به ترتيب به %71 /86 و %3 /13 بهبود يافته است.