Diagnostic en temps réel de la puissance active des micro-réseaux contre les attaques cyber-physiques à l'aide de réseaux de neurones récurrents

Microgrid real-time active power diagnostic against cyber-physical attacks using recurrent neural networks

• Auteur / Autrice : Bushra Canaan
• Direction : Djafar Ould Abdeslam
• Type : Thèse de doctorat
• Discipline(s) : Electronique, électrotechnique, automatique
• Date : Soutenance le 06/06/2023
• Etablissement(s) : Mulhouse
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique, Mathématiques, Automatique et Signal (Mulhouse) - Institut de Recherche en Informatique Mathématiques Automatique Signal - IRIMAS - UR 7499 / IRIMAS

Mots clés

Mots clés contrôlés

Temps réel (informatique)

Réseaux d'ordinateurs -- Mesures de sûreté

Systèmes informatiques -- Mesures de sûreté

Cyberdéfense

Mots clés libres

Sécurité cyber-physique

Micro-réseaux

Réseaux neuronaux récurrents

Fausses injections de données

Dénis de service

Exogène auto-régressif non linéaire

Mémoire à court terme

Attaques cyber-physiques

Cyber-physical security

Microgrids

Recurrent neural networks

False Data Injection (FDI)

Denial of Service (Dos)

NARX

LSTM

Cyber-physical attacks

Résumé

Cette thèse fournit une analyse complète des cyber-attaques sur les systèmes cyber-physiques (CPS) et propose un système de détection intelligent (IDS) basé sur des réseaux neuronaux récurrents (RNN) pour identifier les anomalies cyber-physiques dans les micro-réseaux connectés au courant alternatif (AC-connected microgrids). Cette étude examine diverses formes d'attaques, notamment les fausses injections de données (FDI) et les dénis de service (DoS), ainsi que leurs effets potentiels sur l'intégrité des données des micro-réseaux et les perturbations du système. La thèse aborde les attaques non seulement au niveau de la communication, mais aussi au niveau de la couche physique, où les paramètres de contrôle des unités pilotables peuvent être manipulés. La thèse est structurée en plusieurs chapitres qui couvrent le contexte de la recherche, les cadres théoriques, la configuration du banc d'essai, la validation du concept et les essais en hardware-in-the-loop. Le travail se termine par des perspectives sur les défis non résolus, des recommandations réalistes et des discussions sur les pistes d'exploration futures.

This research provides a comprehensive analysis of cyber-attacks on cyber-physical systems (CPSs) and proposes an Intelligent Detecting System (IDS) based on Recurrent Neural Networks (RNNs) to identify cyber-physical anomalies in AC-connected microgrids. The study examines various forms of attacks, including False Data Injection (FDI) and Denial of Service (DoS), and their potential impacts on microgrid data integrity and system disturbances. The research addresses attacks not only at the communication level but also at the physical layer, where control settings of controllable units can be manipulated. The thesis is structured into chapters that cover the research background, theoretical frameworks, testbed configuration, proof of concept, and hardware-in-the-loop testing. The work concludes with insights into unresolved challenges, realistic recommendations, and discussions on future exploration tracks.