Разработанная в Университете Севильи система обнаружения FDIA для фотоэлектрических станций обеспечивает точность выявления более 95%

Репортаж от Wedoany，Исследовательская группа Университета Севильи (Universidad de Sevilla) разработала новую систему для обнаружения и идентификации атак с внедрением ложных данных (FDIA) на фотоэлектрические станции.

FDIA обычно осуществляются киберпреступниками, недобросовестными инсайдерами, спонсируемыми государствами злоумышленниками или профессиональными хакерами с целью нарушения работы сетей связи, датчиков или систем управления. На коммерческих фотоэлектрических станциях FDIA могут манипулировать данными измерений, такими как выработка электроэнергии, напряжение или уровень инсоляции, что приводит к ошибочным управляющим решениям, снижению выработки, увеличению нагрузки на оборудование, нестабильности сети и потенциальным рискам для безопасности.

FDIA широко изучены в сетях передачи и распределения электроэнергии, однако их применение на коммерческих фотоэлектрических станциях остается малоизученным, что и стремится восполнить данное исследование. Автор-корреспондент Каталина Гомес Килес отмечает, что предложенная система не ограничивается выявлением случайных ошибок измерений, но также способна обнаруживать продвинутых злоумышленников, которые могут манипулировать несколькими измерениями, сохраняя при этом физическую согласованность с сетью, что делает такие атаки более сложными для обнаружения традиционными методами.

Новая система использует двухэтапный инструмент идентификации, объединяющий два типа оценщиков: EC-WLSE и EC-SHGME. На первом этапе EC-WLSE оценивает состояние системы с помощью анализа остатков и теста на большие нормализованные остатки (LNR), выявляет подозрительные измерения, исключает измерения, выходящие за пределы заданного порога, и повторяет оценку. EC-SHGME, в свою очередь, усиливает обнаружение путем итеративной корректировки весов измерений, выявляя тонкие атаки, которые могут обойти первый этап, и классифицируя измерения с постоянно снижающимися весами как возможные случаи внедрения ложных данных (FDI).

Исследователи протестировали инструмент, используя эталонную модель коммерческой фотоэлектрической станции и различные сценарии кибератак. Тестовая система состоит из двух фидеров среднего напряжения, каждый из которых подключен к трем фотоэлектрическим инверторам мощностью 3,8 МВА, и через трансформаторы среднего/низкого и высокого/среднего напряжения подключается к сети 132 кВ. Сценарии атак включают два типа: ложные атаки, основанные на случайном манипулировании измерениями, и сложные атаки, использующие знания о модели фотоэлектрической станции. Ложные атаки изменяют измерения напряжения, тока и мощности в реалистичных диапазонах для имитации скрытых возмущений; сложные атаки генерируют физически согласованные ложные данные, пытаясь обмануть контроллер станции (PPC) и избежать обнаружения.

Результаты моделирования показывают, что EC-WLSE имеет ограниченные возможности обнаружения, способен выявлять только значительные отклонения активной мощности и не может обнаруживать атаки на напряжение и реактивную мощность; при множественных атаках приемлемая производительность обнаружения достигается только при компрометации значительной части измерений. Напротив, EC-SHGME демонстрирует более высокую устойчивость к одновременным атакам на активную и реактивную мощность, обеспечивая точность обнаружения более 95% в большинстве сценариев. Однако точная идентификация всех скомпрометированных измерений остается сложной задачей, особенно в сценариях с множеством атак малой амплитуды. Сложные сценарии атак показывают, что с увеличением количества манипулируемых измерений эффективность обнаружения повышается, но точное определение местоположения атаки становится более трудным.

Предложенный метод обеспечивает высокую точность обнаружения: показатель F1 превышает 85% в сложных условиях эксплуатации и приближается к 100% во многих практических сценариях, при этом вычислительная нагрузка достаточно мала для рассмотрения возможности использования в приложениях реального времени. Кроме того, система способна восстанавливать надежное состояние системы даже при скомпрометированных измерениях, позволяя PPC продолжать работу с использованием достоверной информации, что повышает устойчивость станции к киберинцидентам.

Исследование опубликовано в журнале «Electric Power System Research» под названием «A cyber-resilient framework for detection and identification of false data injection attacks in PV plants». Гомес Килес резюмирует, что основной вклад работы заключается в демонстрации того, что при тщательной настройке с учетом специфических характеристик фотоэлектрических станций надежные методы оценки состояния могут обеспечить эффективный и практичный уровень кибербезопасности для будущей инфраструктуры возобновляемой энергетики без необходимости в дополнительном сенсорном оборудовании или существенных изменениях существующей архитектуры станции.