رضا الیاسی - دانشگاه اصفهان
کمال جمشیدی - دانشگاه اصفهان
علی بهلولی - دانشگاه اصفهان

شبکه های هوشمند برق به دلیل به کارگیری زیرساخت های کامپیوتری و مخابرات دیجیتال، در مقایسه با شبکه های سنتی در برابر حملاتامنیتی آسیب پذیرترند. به همین دلیل نگرانی هایی در مورد نفوذ افراد غیرمجاز به این تجهیزات به منظور سرقت برق و اعمال خرابکارانه درشبکه برق وجود دارد. در این میان سیستم های تشخیص نفوذ مبتنی بر ناهنجاری می توانند به عنوان روشی برای تشخیص افراد فریبکاربه کار روند. روش های پیشین ارائه شده برای تشخیص سرقت برق دارای مشکلاتی از قبیل دقت تشخیص پایین، هزینه پیاده سازی و نرخمثبت کاذب زیاد هستند. هدف این مقاله، بهبود عملکرد سیستم تشخیص نفوذ در تشخیص حملات مربوط به تغییر داده در شبکه هوشمنداست. به منظور دستیابی به هدف مذکور، ابتدا چالش های امنیتی پیش روی شبکه هوشمند شناسایی و معرفی می گردند و در ادامه روشیمبتنی بر یادگیری ماشین ارائه می شود. روش پیشنهادی از دو بخش تشکیل شده است. در بخش نخست موتور تشخیص حملات به کمکچهار دسته بند پایه ی ماشین بردار پشتیبان، شبکه عصبی MLP ، درخت تصمیم و K - نزدیکترین همسایه پیاده سازی می شود و در بخشدوم نتایج این دسته بندها به کمک الگوریتم تلفیقی AdaBoost بهبود می یابد. روش پیشنهادی با استفاده از نرم افزار MATLAB 2013aپیاده سازی و با مجموعه داده CER ارزیابی شد. نتایج حاصل از ارزیابی نشان می دهد که دقت تشخیص و نرخ مثبت کاذب این روش درمقایسه با سایر دسته بندها به ترتیب به % 71 / 86 و % 3 / 13 بهبود یافته است.

شبکه هوشمند، سرقت برق، سیستم تشخیص نفوذ، زیرساخت اندازه گیری پیشرفته، الگوریتم AdaBoost