دانلود ترجمه مقاله تشخیص حملات سایبری تزریق داده جعلی مبتنی بر MPC/ANN در ریزشبکه DC

عنوان فارسی

تشخیص و کاهش امن حملات سایبری تزریق داده های جعلی مبتنی بر MPC/ANN در ریزشبکه های DC

عنوان انگلیسی

Secure MPC/ANN-Based False Data Injection Cyber-Attack Detection and Mitigation in DC Microgrids

کلمات کلیدی :

  شبکه عصبی مصنوعی (ANN)؛ ریزشبکه فیزیکی سایبریdc ؛ حمله تزریق داده‌ های جعلی (FDIA)؛ کنترل پیش‌ بینانه مدل (MPC)

درسهای مرتبط شبکه هوشمند
تعداد صفحات مقاله انگلیسی : 12 نشریه : IEEE
سال انتشار : 2021 تعداد رفرنس مقاله : 31
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد

سفارش پاورپوینت این مقاله

وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
IEEE
قیمت دانلود ترجمه مقاله
74,400 تومان
فهرست مطالب

1. مقدمه 2. مقدمه ای بر ANNS 3. مفاهیم اساسی MPC 4. ریزشبکه های DC معمولی و FDIAS 5. استراتژی کنترل ایمن پیشنهادی 6. نتایج 7. بحث و بررسی و کار آینده 8. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

چکیده – ریزشبکه‌ های جریان مستقیم (DC) را می ‌توان به دلیل بکار گیری از دستگاه ‌های اندازه ‌گیری، شبکه ارتباطی و لایه‌ های کنترل، به‌ عنوان سیستم ‌های فیزیکی سایبری در نظر گرفت. در نتیجه، ریزشبکه های dc نیز در برابر حملات سایبری آسیب پذیر هستند. حملات تزریق داده های جعلی (FDIAs) یک نوع رایج از حملات سایبری محسوب می شوند که به منظور ایجاد رفتار معیوب، سعی در تزریق داده های جعلی به سیستم دارند. این مقاله به منظور شناسایی و کاهش FDIA در ریزشبکه‌ های dc که توسط مبدل‌ های موازی dc-dc تشکیل می‌ شوند، یک روش مبتنی بر کنترل پیش‌ بینانه مدل (MPC) و شبکه‌ های عصبی مصنوعی (ANN) را پیشنهاد می ‌کند. استراتژی مبتنی بر MPC/ANN پیشنهادی نشان می ‌دهد که چگونه MPC و ANN می‌ توانند به منظور ایجاد یک لایه کنترل امن و شناسایی و حذف FDIA در ریزشبکه dc با هم هماهنگ شوند. در استراتژی پیشنهادی، یکANN به منظور پیاده سازی استراتژی تشخیص و کاهش حملات سایبری، نقش برآوردگر را ایفا می کند. روش پیشنهادی رویدادهای فیزیکی و اختلالات سایبری (یعنی تغییر بار و تأخیر ارتباط و حمله متغیر با زمان) را در شرایط مختلف مورد بررسی قرار می دهد و نتایج طرح مبتنی بر MPC را با کنترل ‌کننده‌ های انتگرالی تناسبی معمولی مقایسه می کند. نتایج به‌ دست ‌آمده، اثربخشی استراتژی پیشنهادی را در تشخیص و کاهش حمله در ریزشبکه‌ های DC نشان‌ می دهد.

نمونه متن انگلیسی مقاله

Direct current (DC) microgrids can be considered as cyber-physical systems due to implementation of measurement devices, communication network, and control layers. Consequently, dc microgrids are also vulnerable to cyber-attacks. False-data injection attacks (FDIAs) are a common type of cyber-attacks, which try to inject false data into the system in order to cause the defective behavior. This article proposes a method based on model predictive control (MPC) and artificial neural networks (ANNs) to detect and mitigate the FDIA in dc microgrids that are formed by parallel dc–dc converters. The proposed MPC/ANN-based strategy shows how MPC and ANNs can be coordinated to provide a secure control layer to detect and remove the FDIAs in the dc microgrid. In the proposed strategy, an ANN plays the role of the estimator to implement in the cyber-attack detection and mitigation strategy. The proposed method is examined under different conditions, physical events and cyber disturbances (i.e. load changing and communication delay, and time-varying attack), and the results of the MPC-based scheme is compared with conventional proportional-integral controllers. The obtained results show the effectiveness of the proposed strategy to detect and mitigate the attack in dc microgrids.

توضیحات و مشاهده مقاله انگلیسی

ترجمه این مقاله در 33 صفحه آماده شده و در ادامه نیز صفحه 22 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
قیمت : 74,400 تومان

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله تشخیص حملات سایبری تزریق داده جعلی مبتنی بر MPC/ANN در ریزشبکه DC”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

یک × یک =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi