Prediction of False Data Injection Attacks in Smart Grid using AdaBoost, Deep Learning, and KNN

Bishwajeet Pandey, Nurkhat Zhakiyev, Madhu S Gaur, Fariza Tumenbayeva, Sanjeev Kumar, Pushpanjali Pandey

2025

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.1109/icaic63015.2025.10849233

Деректер сенімділігі 70 орташа

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

With the advancement and application of computing in electrical infrastructure, all traditional electrical grids are transforming into Smart Grid. Modern Smart Grid are more efficient than traditional electrical grids but also prone to cyber-attacks due to presence of computing devices and communication protocols. In this work, we are finding a better machine learning algorithm to predict false data injection attacks in smart Grid. We have taken the Smart Grid dataset from Kaggle. In our research, we used AdaBoost, Deep Learning (DL), and K Nearest Neighbor (KNN) machine learning classifier. We observed that KNN is better than Deep Learning, and AdaBoost in all parameters of accuracy, precision, recall, and f1-score.