Современная энергетическая инфраструктура становится киберфизической системой, где физическое распределение электроэнергии тесно интегрировано с цифровой связью. Цифровизация повышает эффективность, но также создает риски для кибербезопасности. Для противодействия угрозам исследователи разработали метод искусственного интеллекта (ИИ), который сочетает анализ структуры сети и отслеживание данных для выявления сложных атак, которые могут быть пропущены традиционными системами. Это исследование было опубликовано в «Международном журнале глобальных энергетических проблем».
Энергетическая инфраструктура уязвима для атак с использованием продвинутых постоянных угроз (APT), которые предполагают длительное проникновение, когда злоумышленники незаметно собирают данные или манипулируют сигналами. Атаки с внедрением ложных данных (FDI) являются основной проблемой, искажая показания датчиков и предоставляя операторам вводящую в заблуждение информацию. Такие изменения могут вызвать катастрофические ошибки в потоках энергии и парализовать региональное физическое снабжение топливом. Эти уязвимости часто проявляются в виде атак с использованием программ-вымогателей, а риски, связанные с международными конфликтами, также возрастают.
Обнаружение этих вторжений является сложной задачей, поскольку вредоносные команды часто имитируют обычную операционную деятельность. Традиционные системы обнаружения используют предопределенные правила, основанные на известных угрозах, и имеют ограниченную эффективность при столкновении с новыми уязвимостями или атаками, не соответствующими шаблонам. Новый метод ИИ использует структурную и временную информацию для идентификации атак. Двухуровневая архитектура глубокого обучения основана на графовых нейронных сетях (GNN) для отображения пространственной структуры, а модель Transformer анализирует последовательности данных, позволяя ИИ понимать физические и динамические аспекты инфраструктуры.
Тестирование показало, что новая модель ИИ имеет точность свыше 93% и выявляет подозрительную активность менее чем за две секунды после начала атаки. Это обеспечивает почти мгновенный способ защиты энергетической инфраструктуры. Быстрое обнаружение кибератак на энергосети способствует повышению безопасности и стабильности энергетических систем.
Детали публикации: Автор: Дэвид Брэдли, Inderscience; Название: «Grid vibrations: AI detects power supply cyberattacks in less than two seconds»; Опубликовано в: «International Journal of Global Energy Issues» (2026); Информация о журнале: «International Journal of Global Energy Issues»
