TSE-DS

TSE-DS是首个基于非线性AC模型的虚假数据注入攻击数据集，由澳大利亚新南威尔士大学堪培拉分校的工程与信息技术学院创建。该数据集包含157674条记录，用于评估和开发新的检测算法。数据集的生成结合了行业标准的商业级软件PowerFactory作为测试平台，以及澳大利亚能源市场运营商提供的数据源。创建过程涉及复杂的攻击设计，确保数据集的真实性和挑战性。该数据集主要应用于电力系统状态估计领域，旨在解决现有检测方法无法有效识别的虚假数据注入攻击问题。

TSE-DS is the first false data injection attack dataset based on nonlinear AC models, created by the School of Engineering and Information Technology at the University of New South Wales Canberra, Australia. This dataset contains 157,674 records and is utilized for evaluating and developing novel detection algorithms. Its generation integrates the industry-standard commercial software PowerFactory as the test platform, along with data sources provided by the Australian Energy Market Operator. The creation process involves sophisticated attack designs to ensure the dataset's authenticity and challenging nature. This dataset is primarily applied in the field of power system state estimation, aiming to address the problem that existing detection methods fail to effectively detect false data injection attacks.

搜集汇总

数据集介绍

构建方式

TSE-DS 数据集的构建基于非线性 AC 模型，旨在模拟真实的电力系统状态估计过程。构建过程分为两个主要步骤：首先，使用真实的负荷需求数据生成正常状态下的系统运行数据；其次，通过精心设计的攻击方案生成攻击数据，模拟恶意数据注入攻击对系统状态的影响。正常数据部分包含了从输入真实测量值到状态估计结果的全过程数据，而攻击数据部分则包含了攻击过程中的测量值和状态估计结果。

特点

TSE-DS 数据集具有以下特点：1. 基于 AC 模型，更贴近实际电力系统；2. 包含正常数据和攻击数据两部分，方便研究人员进行对比分析；3. 数据量庞大，包含了多种负荷需求场景和攻击场景；4. 数据格式规范，易于管理和使用。

使用方法

使用 TSE-DS 数据集进行研究的步骤如下：1. 下载并解压数据集文件；2. 阅读数据集说明文件，了解数据格式和内容；3. 根据研究需求选择合适的数据进行预处理和分析；4. 使用相关算法和工具对数据进行分析，例如构建攻击检测模型或评估现有检测模型的性能；5. 根据分析结果撰写研究报告或论文。

背景与挑战

背景概述

随着传统电力系统向现代智能电网的演进，网络安全挑战日益凸显。虚假数据注入（FDI）攻击作为一种隐蔽性强、危害性大的攻击手段，对电力系统构成了严重威胁。TSE-DS数据集正是在此背景下应运而生，旨在为研究者和工业界提供一个评估和开发FDI攻击检测技术的工具。该数据集由澳大利亚新南威尔士大学工程与信息技术学院的研究团队创建，首次基于非线性交流（AC）模型构建了FDI攻击数据集，并提供了对现有商业级状态估计软件PowerFactory 2017SP4中不良数据检测（BDD）机制的评估。TSE-DS数据集的创建填补了现有FDI攻击数据集的空白，为研究者在设计和评估新的FDI攻击检测机制方面提供了宝贵的资源。

当前挑战

TSE-DS数据集的创建和利用面临着一系列挑战。首先，FDI攻击的隐蔽性使得其难以被现有的BDD机制检测，需要开发新的检测方法。其次，基于AC模型的FDI攻击设计较为复杂，需要考虑电力系统的非线性特性，对攻击者提出了更高的要求。此外，TSE-DS数据集的规模相对较小，需要进一步扩展和完善，以更好地满足研究需求。

常用场景

经典使用场景

TSE-DS数据集主要用于研究电力系统中基于交流模型的虚假数据注入攻击（FDI攻击）及其检测。该数据集包含了真实测量值和经过攻击设计的虚假测量值，可以用于评估和开发新的FDI攻击检测算法。通过对数据集的分析，研究人员可以了解FDI攻击的隐蔽性以及现有检测方法的局限性，从而设计出更加有效的检测机制。

实际应用

TSE-DS数据集的实际应用场景包括电力系统的安全防护、异常检测和攻击防御。通过对数据集的分析，可以识别和检测电力系统中的FDI攻击，并及时采取应对措施，防止攻击对电力系统造成破坏。此外，该数据集还可以用于开发和测试新的FDI攻击检测算法，提高电力系统的安全性。

衍生相关工作

TSE-DS数据集的发布促进了FDI攻击检测技术的发展。基于该数据集，研究人员开发了多种新的检测算法，例如基于机器学习的检测算法、基于深度学习的检测算法等。这些算法可以有效地检测电力系统中的FDI攻击，并提高电力系统的安全性。此外，TSE-DS数据集还可以用于研究电力系统的安全性和可靠性，以及如何防御FDI攻击，为电力系统的安全防护提供理论和技术支持。