文献

J-GLOBAL ID：202002248931211391   整理番号：20A2551673

サイバーボーイング物理電力系統における敵対反復ゲームのための学習ベース解【JST・京大機械翻訳】

A Learning-Based Solution for an Adversarial Repeated Game in Cyber-Physical Power Systems

著者 (3件)： Paul Shuva (Electrical Engineering and Computer Science Department, South Dakota State University, Brookings, SD, USA) ,  Ni Zhen (Department of Computer, Electrical Engineering and Computer Science, Florida Atlantic University, Boca Raton, FL, USA) ,  Mu Chaoxu (Tianjin Key Laboratory of Process Measurement and Control, School of Electrical and Information Engineering, Tianjin University, Tianjin, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 31  号： 11  ページ： 4512-4523  発行年： 2020年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： サイバー-物理電力システムの急速な拡大複雑性のため,システムの誤動作と失敗の確率は増加している。スマートグリッド(SG)セキュリティとゲーム理論を組み合わせた既存の研究の大部分は,実際の事象に近い模擬環境における敵対事象を複製できない。本論文では,現代の電力系統の敵対間の実生活相互作用を模倣するために,反復ゲームを定式化した。異なる環境設定の最適行動戦略を分析した。反復ゲームの利点は,プレーヤーが以前の行動履歴に依存しない行動を生成することである。ゲームの解法は,強化学習アルゴリズムに基づいて設計して,それはプレーヤーに好ましい結果を確実にした。プレーヤーに有利な成果は,他のプレーヤーと比較して,より高い混合戦略支払いを達成することを意味する。既存のゲーム理論的手法と異なり,攻撃者と防御者の両方がゲームに積極的に参加し,電力送電線に適用する行動のシーケンスを学習する。このゲームでは,ゲームの成果に影響する可能性のあるいくつかの因子(例えば,攻撃と防御コスト,割り当てられた予算,およびプレーヤーの強さ)を考察した。これらの考察は,ゲームを現実の事象に近づける。ゲーム結果を評価するために,両プレイヤーのユーティリティを比較し,攻撃により電力が失われるか,また,防御により電力がどの程度節約されるかを反映した。異なる攻撃と防御強度(確率)に対して,プレーヤーの好ましい結果を達成した。IEEE39バスシステムを試験ベンチマークとして用いた。学習攻撃と防御戦略を,システムに対する攻撃後効果を説明するために,模擬電力系統環境(PowerWorld)に適用した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *学習 ,  *ゲーム ,  ゲーム理論 ,  *電力 ,  送電線 ,  *電力系統 ,  定式化 ,  ベンチマーク ,  セキュリティ ,  学習アルゴリズム ,  スマートグリッド
準シソーラス用語： 複雑性 ,  プレイヤ ,  攻撃者 , 【Automatic Indexing@JST】

分類 (1件)： ゲーム理論  (KA03060T)

タイトルに関連する用語 (7件)： 物理 ,  電力系統 ,  敵対 ,  反復 ,  ゲーム ,  学習 ,  解