抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
従来のボットネット攻撃は,インターネットパケットを持つ他のデバイスをターゲットおよび圧倒的にするために,損なわれたインターネット接続デバイスの大規模および分散数を利用する。高ワットインターネット対向「スマートデバイス」の消費者採用の増加に伴い,新しい「電力ボットネット」攻撃が現れ,そこでは,そのようなデバイスが,異常な負荷需要を有する電力グリッドデバイスをターゲットおよび圧倒するために使用される。この攻撃のバリアント,停電または短期の急性不安定性を起こさないが,より頻繁に活性化する高価な機械部品を強制し,高価な置換/修理を必要とする。特に,負荷需要の変化に応答する機械的スイッチを使用するオンロードタップ交換器(OLTC)変圧器を目標とした。著者らの解析とシミュレーションにおいて,これらの攻撃はOLTCの寿命を haらすか,あるいは最も極端な場合において,元の寿命の2.5%に低減できる。特に,これらのパワーボットネットは,電力グリッドを制御するために使用される内部SCADAシステムに接続されないデバイスで構成されている。これは,外部から送電網をターゲットとする新しいインターネットベースのサイバータックである。これらのタイプのボットネット攻撃を緩和するための電力系統を支援するため,攻撃-局所化戦略を開発した。電力ボットネット攻撃のソースを位置決めするための教師つき機械学習タスクとして問題を定式化した。模擬環境内で,SVM,ニューラルネットワークおよびディシジョンツリーを含む,いくつかの機械学習アルゴリズムベースの位置確認法を評価するために,訓練および試験データセットを生成した。ディシジョンツリーベースの分類は,電力ボットネット攻撃を成功裏に識別し,ベースラインの「最もまれな」分類器よりも少なくとも94%の精度で,妥協したデバイスを位置決めする。【JST・京大機械翻訳】