저강도 허위 데이터 주입 공격 탐지를 위한 물리적 일관성을 갖춘 영공간 정렬 (Physically Consistent Null Space

작은 측정값 섭동 (perturbation)을 도입하는 허위 데이터 주입 공격 (False Data Injection Attacks, FDIAs)은 주입된 신호가 시스템 모델의 의사 영공간 (pseudo-null space)과 일치할 경우 전력 시스템 상태 추정 (state estimation)에서 여전히 큰 편차를 일으킬 수 있습니다. 기존의 모델 기반 및 데이터 기반 탐지기들은 잔차 테스트 (residual tests)가 의사 영공간에 숨겨진 변화를 무시하고, 부분 공간 학습 (subspace learning) 방법론은 물리적 일관성 (physical consistency)을 강제하지 않은 채 상관관계 패턴만을 포착하기 때문에, 이러한 저강도이지만 영향력이 큰 공격을 식별하는 데 실패할 수 있습니다. 본 논문은 전처리를 통해 물리적 영공간 (physical null space)과 측정값 유도 의사 영공간 (measurement-derived pseudo-null space) 사이의 기하학적 대응 관계를 보존함으로써 은밀한 FDIA를 탐지하는 프레임워크인 물리적 일관성을 갖춘 영공간 정렬 (Physically Consistent Null Space Alignment, PCNSA)을 제안합니다. 핵심 요소는 부분 공간 추출 전 측정값을 물리적 좌표계 (physical coordinate frame)로 재표현하는 의사 영공간 보존 데이터 전처리 (Pseudo-null Space Conserved data Preprocessing, PSCP) 단계입니다. 우리는 PSCP가 행 공간 (row space)과 그 직교 보공간 (orthogonal complement) 사이의 분리성을 보존함을 증명하며, 이는 기존의 특성별 표준화 (per-feature standardization)가 위반하는 속성입니다. 이를 통해 $H$에 대한 명시적인 지식 없이도 특이값 분해 (Singular Value Decomposition, SVD)로부터 유도된 의사 영공간이 물리적 잔차 공간 (physical residual space)과 일치하도록 유지합니다. IEEE 14-, 30-, 57-, 118-bus 시스템에 대한 실험을 통해 이 원칙이 실제로 작동함을 확인했습니다. XTM, LSTM, AE 및 Isolation Forest 베이스라인을 회피하는 은밀한 공격들이 정렬된 부분 공간에서는 명확한 편차로 나타나며, 부분 관측성 (partial observability) 및 실제적인 PMU 노이즈 환경에서도 견고함을 유지하면서 더 높은 F1-score와 탐지 정확도를 달성했습니다.