本次组会我将汇报一篇文献《Intrusion Detection for Cybersecurity of Smart Meters》，这篇文献来源于IEEE Transactions on Smart Grid。在本次组会中，我将从以下几个方面对本文献进行介绍，分别是：科研背景、科研问题、科研目的、方法、仿真结果与分析、结论、将来的工作、个人总结与思考。

科研背景：

• 信息与通信技术(ICT)的融合使智能电表能够实时通信，参与电力系统的运行。提高了电力系统的可靠性、安全性和效率。
• 计量基础设施在电力供应端和需求端之间起着重要作用。智能电能表配备了双向通信模块，以在客户和电力公司之间交换数据。为了提高服务质量和提供新的服务，许多公用事业公司采用AMI组件。

科研目的：

本文想研究一个入侵检测系统用于识别由人为驱动的恶意行为。相比现有的检测系统中，可以处理不同的入侵类型，而不是只关注特定的入侵类型。

方法：

第一阶段采用支持向量机分类器作为异常行为检测机制。一旦发现可疑行为，第二阶段阶段入侵检测进程被激活。模式识别算法根据基于TFPG技术的预定义攻击路由，计算出相似性指数，表明入侵事件发生的可能性和攻击类型。

结论：

（1）开发了一种考虑智能电表有限计算能力的IDS方法。提出了一种具有两阶段协同检测流程的智能电表检测系统。

（2）开发了一个AMI测试平台。它用于验证和评估AMI网络、网络攻击的影响和IDS的性能。它还能够为基于svm的检测算法生成训练数据。

（3）仿真结果表明，该分类器对特定类别的核函数具有良好的分类性能。与神经网络算法相比，支持向量机具有训练时间短的优点。该特性允许所提出的支持向量机模型频繁更新，以保持高水平的检测精度。