该论文研究电力系统状态估计中盲式虚假数据注入攻击（FDIA）的可达性与根本极限。FDIA 的目标是在篡改电网状态估计结果的同时躲过基于残差的坏数据检测器（BDD）。已有盲攻击方法把测量数据建模为低秩子空间来学习攻击方向，但这种纯代数视角存在两个缺口：一是没有刻画使攻击具备隐蔽性的物理电网约束，二是没有回答恢复完整攻击空间所需的最小信息量。作者在连通的直流（DC）支路潮流模型下证明：无噪正交检验中残差敏感子空间恰好等于加权回路空间（weighted cycle space），其正交补即为完整的隐蔽攻击空间。由此可得，加权回路空间知识对完整盲 FDIA 既必要又充分。该空间对拓扑的辨识能力仅到 2-同构（2-isomorphism）为止，对回路支路参数仅能确定每个双连通分量内的一个全局尺度，桥支路参数既不可辨识也非必需。作者据此给出一个计算上无约束的基准（上界）以及一种仅依赖测量数据、可求解的重构方法，并在多个 IEEE 标准系统上比较了在 95% 标称接受阈值下的 BDD 绕过率与状态影响。作为向交流（AC）的紧凑扩展，论文用一个回路流形（cycle manifold）刻画可行的支路 P/Q 测量，并在 GPU 上演示了拓扑辅助的流形拟合与测量生成；在无损、定电压、小角度极限下，有功功率切片的法空间退化为 DC 加权回路空间。整体上，该工作把盲 FDIA 从经验性的子空间学习推进到有严格数学刻画的可达性理论，并给出了可求解的信息恢复路径。

随着太阳能分布式能源资源(DER)在全球的大规模部署，其网络暴露面与潜在电网风险日益凸显。本文针对联网太阳能DER基础设施，开展了互联网规模的暴露评估与漏洞分析。作者首先提出了一种从互联网扫描数据中精准识别太阳能DER的方法，成功发现超过66,000个暴露设备，其中至少10,000个存在已知CVE（如未认证的监控和控制端点）。为了评估这些漏洞设备对电网的实际威胁，研究团队采用了电力系统研究社区常用的夏威夷瓦胡岛电网模型，进行了电力系统分析。仿真结果表明，攻击者若成功入侵并控制暴露的DER，可在电网多个位置引发电压和线路潮流越限，导致电能质量下降、设备损坏甚至大规模停电。该工作首次系统揭示了电网接入DER的网络安全风险，为提升能源安全提供了重要参考，也为后续防护策略和漏洞修复研究指明了方向。研究发现，大量太阳能逆变器及监控平台直接暴露于互联网，且缺乏适当的访问控制，使得攻击者可以远程操作这些设备。此外，通过电网仿真验证了控制大量DER可对电网稳定性造成实质性影响，即使单个设备功率较小，聚合攻击也能产生严重后果。论文还讨论了当前DER生态系统中供应链安全、安装配置等环节的薄弱点，建议各方重视边缘设备的安全管理。整体上，该研究填补了DER互联网暴露与电网影响之间缺失的实证环节，为安全社区和电力行业提供了有用的基线数据与分析框架。

本文针对电力网络中的网络物理攻击检测问题，提出了一种名为 AdaptoNet 的模块化自适应神经网络。研究背景是：针对电网的攻击往往将物理破坏与数据篡改相结合，以破坏网络物理系统的稳定性。作者重点研究了一类特定的数据拒绝攻击（data denial attack），即攻击者在触发线路停电的同时，屏蔽目标区域的测量数据。实验表明，此类攻击可使标准数据驱动检测方法的性能下降超过 86%，导致传统方法失效。为应对这一挑战，AdaptoNet 采用模块化设计，包含一个在完整数据上预训练的冻结基础模块，以及一个基于二进制测量可用性向量进行条件控制的可训练自适应模块。通过该条件控制机制，模型能够区分“测量被拒绝”与“真正的异常数据”，而无需重新训练基础模块。研究在四个 IEEE 标准测试系统（30、39、57 和 118 节点）上进行了评估，模拟了区域内攻击最多屏蔽 20% 测量值的情况。结果显示，AdaptoNet 将 F1 分数从低于 12% 恢复到 81% 以上，提升约七倍，接近使用完整测量值时的 89%-99% 基线性能。本文的核心贡献在于：提出了一种对测量可用性变化具有鲁棒性的模块化架构，无需重新训练即可适应部分测量缺失的场景，为电网等关键基础设施中的网络物理攻击检测提供了新的思路。适合网络安全研究人员、电力系统安全工程师以及关注数据可用性攻击的防御者阅读。

现代数据中心日益依赖大规模 GPU 集群和现场可再生能源，导致计算负载与电力电子主导电网之间形成紧密耦合的物理信息系统。本文提出了一种此前未被探索的脆弱性 Bit2Watt：攻击者通过操纵 GPU 工作负载，诱导受控的高频功率调制，从而破坏本地电力基础设施的稳定性，并反向传播以中断计算服务。与传统的攻击（如攻击电网侧设备或通信链路）不同，Bit2Watt 完全在网络层作为合法租户运行，能够放大波动、谐波失真和阻尼退化，尤其在高分布式能源渗透场景下。该风险难以通过常规的云侧和设施侧监控检测，因为它利用了合法的工作负载执行路径，并将其独特行为集中在高频分量中，而常见遥测对此捕获较弱。作者通过基于阻抗的分析、电力系统仿真以及针对 GPU 和并网光伏逆变器的实际实验验证了 Bit2Watt。在同步最坏情况聚合模型下，操纵一个 90% 分布式能源的 1MW 本地电力系统中的 1000 个 GPU，会使电流总谐波失真达到 46.8%，阻尼比降至 -0.27。进一步研究表明，由此引起的电能质量下降会给数据中心供电设备带来压力，触发保护机制，并在极端模拟情况下导致输电级系统级联故障。此外，本文还分析了可能的 Watt2Bit 反馈路径，包括拒绝服务风险以及通过 EMI 侧信道进行隐秘信息窃取。该工作强调了迫切需要跨层防御机制，协同考虑工作负载调度和电力电子。

本论文对两种旨在对乌克兰电网实施停电的恶意软件进行了深入分析。研究者设计并实现了一种新型沙箱环境，该沙箱能够模拟变电站中的各类网络拓扑、设备特性和通信协议，从而安全地执行专门针对变电站设备的恶意代码，并详细记录攻击者在变电站设备上可能执行的精确操作序列。通过对恶意软件的动态分析，论文揭示了此前未被记录的恶意行为，例如对MMS（制造报文规范）协议载荷的详细算法还原。此外，论文还探讨了未来类似恶意软件可能造成的不同影响，通过比较攻击不同目标（如断路器、保护继电器等）所产生的物理后果，说明攻击目标的差异会直接导致不同程度的电网扰动或停电范围。该研究的主要贡献包括：首次公开了Industroyer类恶意软件在IEC 61850环境下的具体协议交互细节；提供了一套可复用的沙箱仿真框架用于工控恶意软件分析；以及从攻击者视角系统化阐述了工控系统攻击的潜在影响路径。适合工控安全研究员、电力系统防御工程师及威胁情报分析师阅读。