ROAM：DRL驱动的智能电网移动目标防御框架

Mohammad Zakaria Haider 等提出 ROAM，一个由深度强化学习驱动的移动目标防御框架：DQN 智能体在聚合层持续重优化传感器到 ID 的映射，用于防御可绕过坏数据检测的隐蔽虚假数据注入（FDI）攻击。 在 IEEE 14、57、118 节点系统的留出 BDD 合规 FDI 场景上，论文称 ROAM 将隐蔽攻击比例保持在 3% 以下、检测率高于 93%；面对能观察防御方配置的自适应 SAC 攻击者，隐蔽攻击低于 2.6%、检测高于 92%。在 OPAL-RT 平台的硬件在环测试中，平均洗牌执行时间低于 18ms，重洗牌盲窗平均占 3 秒决策周期的 2.6%。该论文目前投稿于 IEEE TIFS。

AI 根据报道生成 · 3 小时前更新