Buchumschlag

Learning Without Adversarial Training: A Physics-Informed Neural Network for Secure Power System State Estimation under False Data Injection Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Falas, Solon, Asprou, Markos, Konstantinou, Charalambos, Michael, Maria K.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-Informed Neural Networks for Accelerating Power System State Estimation
von: Falas, Solon, et al.
Veröffentlicht: (2023)

Robust Power System State Estimation using Physics-Informed Neural Networks
von: Falas, Solon, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Securing Water Distribution Systems
von: Falas, Solon, et al.
Veröffentlicht: (2020)

A Modular End-to-End Framework for Secure Firmware Updates on Embedded Systems
von: Falas, Solon, et al.
Veröffentlicht: (2020)

Distributed Secure Consensus Estimation for Power Systems Against False Data Injection Attacks
von: Zhijian Cheng, et al.
Veröffentlicht: (2025)

Mitigating Adversarial Effects of False Data Injection Attacks in Power Grid
von: Riya, Farhin Farhad, et al.
Veröffentlicht: (2023)

Survey of Load-Altering Attacks Against Power Grids: Attack Impact, Detection and Mitigation
von: Maleki, Sajjad, et al.
Veröffentlicht: (2024)

Cycle-Space Informed Detection of Autoencoded Blind False Data Injection Attacks on Power Systems
von: Li, Xin, et al.
Veröffentlicht: (2026)

Design and Evaluation of a DC Microgrid Testbed for DER Integration and Power Management
von: S, Gokul Krishnan, et al.
Veröffentlicht: (2024)

Moving Target Defense Against Adversarial False Data Injection Attacks In Power Grids
von: Chen, Yexiang, et al.
Veröffentlicht: (2025)

AC False Data Injection Attacks in Power Systems: Design and Optimization
von: Iranpour, Mohammadreza, et al.
Veröffentlicht: (2024)

Stochastic Power-Water Coordination: Unlocking Flexibility in Hybrid RO Desalination Plants via Variable-Speed Pumps and Tank Mixing
von: Hu, Rongxing, et al.
Veröffentlicht: (2026)

Analyzing the Impact of AC False Data Injection Attacks on Power System Operation
von: Iranpour, Mohammadreza, et al.
Veröffentlicht: (2025)

Protection Against Graph-Based False Data Injection Attacks on Power Systems
von: Morgenstern, Gal, et al.
Veröffentlicht: (2023)

Detection of False Data Injection Attacks (FDIA) on Power Dynamical Systems With a State Prediction Method
von: Sahu, Abhijeet, et al.
Veröffentlicht: (2024)

When Market Prices Drive the Load: Modeling, Grid-Security Analysis, and Mitigation of Data Center Workload Scheduling
von: Pan, Shijie, et al.
Veröffentlicht: (2026)

GenAI-FDIA: Physics-Informed Generative Models for False Data Injection Attacks
von: Razzaque, Mohammad A., et al.
Veröffentlicht: (2026)

Secure Distributed Consensus Estimation under False Data Injection Attacks: A Defense Strategy Based on Partial Channel Coding
von: Huang, Jiahao, et al.
Veröffentlicht: (2025)

Adversarial Reinforcement Learning for Detecting False Data Injection Attacks in Vehicular Routing
von: Eghtesad, Taha, et al.
Veröffentlicht: (2026)

A Review of Detection, Evolution, and Data Reconstruction Strategies for False Data Injection Attacks in Power Cyber-Physical Systems
von: Bo, Xiaoyong
Veröffentlicht: (2025)

Distribution System Reconfiguration to Mitigate Load Altering Attacks via Stackelberg Games
von: Maleki, Sajjad, et al.
Veröffentlicht: (2024)

Resilient Distributed Integral Control for Multimachine Power Systems with Inherent Input Constraint Satisfaction
von: Kavvathas, Theodoros E., et al.
Veröffentlicht: (2023)

Impedance-Based VSC Unit Commitment with STATCOM Support under High IBG Penetration
von: Abbas, Aoun, et al.
Veröffentlicht: (2026)

Event-Triggered Islanding in Inverter-Based Grids
von: Zografopoulos, Ioannis, et al.
Veröffentlicht: (2023)

Adversarial Attacks on Deep Learning-Based False Data Injection Detection in Differential Relays
von: Saber, Ahmad Mohammad, et al.
Veröffentlicht: (2025)

A Dynamic Recurrent Adjacency Memory Network for Mixed-Generation Power System Stability Forecasting
von: Ooi, Guang An, et al.
Veröffentlicht: (2025)

Cyber-Physical Co-Simulation of Load Frequency Control under Load-Altering Attacks
von: Forystek, Michał, et al.
Veröffentlicht: (2025)

On the Stability and Convergence of Physics Informed Neural Networks
von: Gazoulis, Dimitrios, et al.
Veröffentlicht: (2023)

Leveraging Convex Relaxation to Identify the Feasibility of Conducting AC False Data Injection Attack in Power Systems
von: Iranpour, Mohammadreza, et al.
Veröffentlicht: (2025)

Modeling False Data Injection Attacks in Integrated Electricity-Gas Systems
von: Liu, Rong-Peng, et al.
Veröffentlicht: (2023)

Assessing Water Distribution Systems' Vulnerability to False Data Injection Attacks
von: Nazia Raza, et al.
Veröffentlicht: (2025)

The Impact of Load Altering Attacks on Distribution Systems with ZIP Loads
von: Maleki, Sajjad, et al.
Veröffentlicht: (2023)

An MDP-Based Approach for Distribution System Control with PV Generation and Battery Storage
von: Sosnowski, Robert, et al.
Veröffentlicht: (2024)

LESSON: Multi-Label Adversarial False Data Injection Attack for Deep Learning Locational Detection
von: Tian, Jiwei, et al.
Veröffentlicht: (2024)

False Data Injection Attacks in Smart Grids: State of the Art and Way Forward
von: Irfan, Muhammad, et al.
Veröffentlicht: (2023)

Designing Sparse AC False Data Injection Attack
von: Iranpour, Mohammadreza, et al.
Veröffentlicht: (2024)

Data-driven Control Against False Data Injection Attacks
von: Liu, Wenjie, et al.
Veröffentlicht: (2023)

Stochastic Tube-based Model Predictive Control for Cyber-Physical Systems under False Data Injection Attacks with Bounded Probability
von: Xiao, Yuzhou, et al.
Veröffentlicht: (2025)

Active Bayesian Inference for Robust Control under Sensor False Data Injection Attacks
von: Andersson, Axel, et al.
Veröffentlicht: (2026)

Runge-Kutta Physics Informed Neural Networks: Formulation and Analysis
von: Akrivis, Georgios, et al.
Veröffentlicht: (2024)