فهرست نشریات علمی دسترسی آزاد ایران

در دهه گذشته، تعداد حملات سایبری به‌منظور هدف قرار دادن سامانه‌های قدرت که سبب خسارات فیزیکی و اقتصادی می­گردد، افزایش یافته است. حملات تزریق داده کاذب، از جمله حملات سایبری می­باشند که بر سامانه نظارت شبکه­های برق اثر می­گذارد. حملات با تزریق داده کاذب، با دستکاری در تخمین حالت سامانه قدرت، سبب به خطر انداختن شبکه قدرت می­شود، همچنین به تازگی برقدزدی یکی از اهداف تزریق داده کاذب قرار گرفته است. روش­های یادگیری ماشینی، یکی از راهکارهای تشخیص داده‌های کاذب است. در این مقاله، ابتدا با استفاده از روش خودرمزگذار عمیق، ابعاد مسئله، تعداد ورودی برای طبقه­بندی مسئله و شناسایی، کاهش یافته و سپس با استفاده از روش بردار ماشین پشتیبانی و آموزش داده­ها، عمل شناسایی انجام شده است. روش تشخیص، برای سامانه­های ۱۴ و ۱۱۸ شینه IEEE مورد بررسی و مقایسه قرار گرفته و دقت هر روش بر اساس نتایج شبیه­سازی طبقه­بندی شده و  همچنین به‌منظور اثربخشی روش پیشنهادی، با تغییر در تعداد داده­های تحت آموزش، تأثیر تغییر در دقت شناسایی ارزیابی شده است که نتایج حاکی از اثر بخشی روش پیشنهادی می‌باشد.