基于博弈论的不确定信息下电力虚假数据攻击与防御行为特征研究

A false data injection attack takes advantage of the vulnerability of bad data detection in power system state estimation to tamper meter measurements, which is one of the typical cyber attacks in Cyber Physical Power Systems. As defenders and attackers can not grasp each other’s information, namely uncertainty exists in information, it is of difficulty to analyze efficiently the behavior characteristics of strategy selections for defenders and attackers. Based on game theory, considering both the defenders’ and attackers’ strategy interdependence and profits in false data injection attacks, the effects of electric parameter uncertainty, defenders’ and attackers’ cost uncertainty and attackers’ change on defense and attack are analyzed emphatically. The basic elements of a game for defenders and attackers in false data injection attacks are obtained firstly. Furthermore, the games related to false data injection attacks are built respectively based on hypergames, signaling games and Bayesian recurring games. Then the Nash Equilibriums of the games are obtained. Finally, a test system is built to verify the efficiency of the game models. The subject aims at analyzing the behavior characteristics of strategy selections for defenders and attackers, which helps decrease the blindness of establishing protecting strategies. It also can provide advices for setting perfect countermeasures and finally improves the ability of Cyber Physical Power Systems for defending against false data injection attacks.

虚假数据攻击利用电力系统状态估计中不良数据检测方法的漏洞，篡改量测数据，是电网信息物理系统面临的典型网络攻击之一。由于保护者和攻击者无法完全掌握对方相关信息，存在信息上的不确定性，难以有效分析攻防双方策略选择的行为特征。基于博弈论，考虑虚假数据攻击中攻防双方策略依存关系和双方收益，重点研究电力网参数不确定、攻防成本不确定和攻击者不固定三类不确定信息对虚假数据攻击和防御行为的影响。首先得到虚假数据攻防博弈基本要素的表达式，然后针对三类不确定信息，基于超博弈、信号博弈和贝叶斯再生博弈分别建立对应的虚假数据攻防博弈模型，接着计算攻防博弈模型的纳什均衡解，最后搭建测试系统并验证博弈模型的有效性。本项目旨在分析不确定信息条件下保护者和攻击者策略选择的行为特征，有助于降低信息不确定条件下保护策略制定的盲目性，为建立完善的虚假数据攻击防御策略提供依据，最终提升电网信息物理系统抵御网络攻击的能力。

电力虚假数据攻击利用传统状态估计理论漏洞，篡改量测数据，严重危害电网信息物理系统的安全稳定运行。首先针对发电机出力和负荷不确定问题，提出基于双层规划的电力虚假数据攻击模型，将波动的发电机出力和负荷作为上层模型的约束条件，利用KKT条件求解该模型。研究结果表明同时存在发电机出力和负荷波动与电力虚假数据攻击时，线路更容易过载。其次针对网络节点部分可观察的情况，将序列攻击建模为部分可观察马尔科夫决策过程，采用强化学习理论中的深度Q-learning算法解决模型中高维状态空间问题。研究结果表明即使只能观察部分节点状态和攻击部分节点，攻击者仍然可以严重破坏网络的鲁棒性，并且负荷分布越不均匀，局部连接关系越明显，基于强化学习的序列攻击破坏效果越显著。然后针对物理攻击和电力虚假数据攻击协同攻击问题，分别基于双层和多层规划建立攻击和防御模型，采用KKT条件求解攻击模型，利用搜索树算法计算防御模型。研究结果表明协同攻击倾向于增加负荷需求较大的母线负荷，造成切负荷，并且攻击成本越大，协同攻击对系统运行的影响越大。搜索树算法在多次迭代之后，可以有效确定需要保护的量测节点。最后针对风险量测节点未知的情况，提出基于贝叶斯博弈的电力虚假数据攻击及防御方法，将风险量测节点的不确定转化为攻击者类型，利用Harsanyi 转换将不完全信息博弈转换为完全但是不完美信息博弈，并利用历史知识和攻击变量之间的关系更新攻击者类型后验概率，提升防御效果。研究结果表明该方法识别风险节点的正确率为98%。随着博弈的进行，贝叶斯纳什均衡策略的标准差减小，防御者在风险量测节点上防御概率越来越高，而攻击者在风险量测节点上的攻击概率越来越低，表明防御者可以更加有效地将防御资源分配到风险量测节点上。上述研究结果有助于认识不确定信息条件下电力虚假数据攻击特征，建立更加完善的电力虚假数据攻击防御措施，提升电网信息物理系统安全运行水平。