Byzantine-Resilient Federated Multi-Agent Optimization Framework for Cyber-Secure Interconnected Microgrids
作者: Ali Peivand, Seyyed Mostafa Nosratabadi
分类: eess.SY
发布日期: 2026-06-17
💡 一句话要点
提出BR-FedMAPPO框架以解决微电网的网络安全问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 微电网 网络安全 虚假数据注入 联邦学习 拜占庭弹性 多智能体系统 自适应隔离 智能电网
📋 核心要点
- 现有微电网系统面临隐蔽虚假数据注入攻击，导致数据安全性和系统稳定性下降。
- 提出BR-FedMAPPO框架，通过本地智能体和共享编码器设计，增强系统对攻击的抵抗能力。
- 仿真结果表明，该框架在协调攻击下有效维持了系统性能，并实现了自适应隔离，降低了级联故障风险。
📝 摘要（中文）
随着配电网络的数字化加速，互联微电网集群面临隐蔽的虚假数据注入攻击，这些攻击能够绕过坏数据检测器并通过连接线耦合和共享学习通道传播。本文提出了一种拜占庭弹性联邦多智能体近端策略优化框架（BR-FedMAPPO），旨在实现网络安全操作。每个微电网托管一个本地的Actor-Critic智能体，其策略分为全球共享编码器和私有保留的动作头，从而保护微电网的配置、数量和位置等敏感信息。该框架通过两阶段的拜占庭弹性聚合规则结合修剪均值过滤和奖励加权更新，有效缓解了协调的虚假数据注入攻击，并通过自适应隔离策略保护分布式学习通道。
🔬 方法详解
问题定义：本文旨在解决互联微电网在面对隐蔽虚假数据注入攻击时的安全性问题。现有方法往往无法有效检测和防御此类攻击，导致系统脆弱性增加。
核心思路：BR-FedMAPPO框架通过引入拜占庭弹性机制和多智能体学习，确保微电网在遭受攻击时仍能保持安全和稳定。设计中采用了局部与全局策略的分离，保护了敏感信息。
技术框架：该框架包括本地Actor-Critic智能体、全球共享编码器和私有动作头。通过两阶段的聚合规则，结合修剪均值和奖励加权更新，增强了对虚假数据的抵抗能力。
关键创新：最重要的创新在于引入了拜占庭弹性聚合机制，能够有效处理恶意客户端引发的虚假警报，并通过自适应隔离策略降低级联故障风险。
关键设计：框架中采用了基于F1-score和假阳性率的检测质量评分，来惩罚引发虚假警报的客户端，确保系统的整体安全性和性能。
🖼️ 关键图片
📊 实验亮点
实验结果显示，BR-FedMAPPO框架在四个互联微电网的仿真中有效抵御了协调的虚假数据注入攻击，成功实现了自适应隔离，降低了级联故障的发生率，同时保持了成本意识的调度性能，展现出显著的系统稳定性提升。
🎯 应用场景
该研究的潜在应用领域包括智能电网、微电网管理和网络安全等。通过提升微电网的安全性和稳定性，能够有效防止网络攻击带来的经济损失，促进可再生能源的安全集成和使用，具有重要的实际价值和未来影响。
📄 摘要（原文）
The escalating digitalization of distribution networks has exposed interconnected Microgrid (MG) clusters to Stealthy False Data Injection Attacks that bypass Bad Data Detectors and propagate through tie-line couplings and shared learning channels. This paper proposes BR-FedMAPPO, a Byzantine-Resilient Federated Multi-Agent Proximal Policy Optimization framework that learns a triple-surface Moving Target Defense and an adaptive isolation strategy for cyber-secure operation. Each MG hosts a local Actor-Critic Agent whose policy is partitioned into a globally federated shared encoder and a privately retained action head, so no MG exposes the configurations, cardinality, or locations of its D-FACTS lines, Battery Energy Storage (BES) units, or tie-line capacities. The action vector perturbs D-FACTS reactances, redirects BES injections, reshapes inter-MG exchanges, and includes a continuous islanding signal. A two-stage Byzantine-resilient aggregation rule combines trimmed-mean filtering with reward-weighted updates. This scheme incorporates a detection-quality score based on the F1-score and False Positive Rate to penalize clients causing false alarms. Simulation results on four interconnected MGs based on the IEEE 30- and 118-bus test systems demonstrate effective mitigation of coordinated S-FDI attacks, containment of cascading disruptions through adaptive isolation, and protection of distributed learning channels against malicious model manipulations while maintaining cost-aware dispatch performance.