Akıllı şebekelerdeki durum kestirimine karşı yapılan saldırıların derin öğrenme tabanlı tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: SEYİT AHMET NAFİZ BURNAZ
Danışman: Mustafa Şinasi Ayas
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kritik altyapılardan olan elektrik şebekeleri, iletişim teknolojilerinin de gelişmesiyle kötü niyetli saldırganlara karşı açık hale gelmiştir. Bu nedenle güç sistemleri siber güvenlik açısından incelenmesi gereken konular arasında yer almaktadır. Elektrik şebekesi üzerinden elde edilen ölçümlerin kullanıldığı durum kestiricisinin güvenliği oldukça önemlidir. Bir güç sisteminde sensörlerin doğası gereği hatalar ve iletişim sorunları olabilir. Durum kestirimcisi, ölçümlerdeki küçük hataları düzelterek sensör ve iletişim hatalarından kaynaklanan hatalı ölçümleri doldurabilir ancak sistemin iletişim altyapısına sızmış bir saldırgan ölçümlere yanlış veri enjekte edebilir ve geleneksel tespit algoritmalarını atlayabilir ve güç sistemi durum değişkenlerinde hatalara neden olabilir. Bu tez çalışmasında geleneksel rezidü tabanlı yaklaşımların tespit edemediği saldırıların algılanması için derin öğrenme tabanlı bir tespit algoritması incelenmiştir. Ayrıca bu çalışmada daha önce literatürde önerilen Yanlış Veri Enjeksiyonu (FDI) saldırısı matematiksel olarak modellenmiştir. Test sistemi olarak IEEE 9 bara elektrik şebekesi kullanılarak Matlab ortamında FDI saldırısının açık kaynak kodlu MATGRID kütüphanesi kullanılarak simülasyonu yapılmıştır. Çalışma sonucunda matematiksel olarak elde edilen saldırı vektörü ile hedeflenen durum değişkeni bozulmuş ve derin öğrenme tabanlı modeli ataklı ölçümleri tespit etmede iyi performans göstermiştir.