研究人员开发了一种名为伪特征填充（Pseudo-Feature Padding）的新型防御机制，用于保护网络物理系统（CPS）中使用的深度神经网络（DNN）免受虚假数据注入攻击（FDIA）的侵害。这种轻量级、模型无关的方法引入了一个额外的输入层，该层根据输入的统计分布从输入样本中随机填充伪特征值。这种随机化使得对抗性攻击在计算上不可行，并在不改变核心DNN架构的情况下增强了模型的鲁棒性。该框架在电网应用中得到了成功测试，证明了模型在攻击下的韧性得到了显著提高，同时对性能的影响最小。 AI
影响 增强了部署在电网等关键基础设施中的AI系统的安全性。
排序理由 该集群包含一篇详细介绍DNN抵御网络攻击的新防御机制的研究论文。
- CyberPhysical Systems
- Deep Neural Networks
- False Data Injection Attacks
- Farhin Farhad Riya
- IEEE 118-bus
- IEEE 14-bus
- IEEE 300-bus
- IEEE 30-bus
- Power Grids
- Pseudo-Feature Padding
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
