حماية الشبكات الكهربائية من خلال الأستفادة من التعلم الآلي

201

نظرًا لأن جميع الصناعات والقطاعات تقريبًا تعتمد على الطاقة الكهربائية, فإن أمان الشبكة الكهربائية غالبًا ما يهيمن على المناقشات المتعلقة بالأمن السيبراني حول البنية التحتية الحيوية.

ويقوم باحثون في مختبر Lawrence Berkeley الوطني التابع لوزارة الطاقة الأمريكية بالفعل بدورهم لتأمين شبكات الكهرباء الضعيفة في البلاد. لقد طوروا طريقة منخفضة التكلفة نسبيا للكشف عن الهجمات على شبكات الكهرباء.

مثل بعض الباحثين الآخرين, ركز فريق Berkeley على مراقبة وحدات القياس المطورة (PMUs), وأجهزة الاستشعار التي يتم تثبيتها في مواقع ثابتة عبر الشبكة وإرسال البيانات حول حالة الشبكة بمعدل 30 قياسات في الثانية إلى مركز التحكم.

يقول Sean Peisert عالم الكمبيوتر في قسم البحوث وخبير الأمن السيبراني في Berkeley “الفكرة هي أنه إذا استطعنا الإستفادة من السلوك المادي للمكونات داخل الشبكة الكهربائية, فستكون لدينا رؤية أفضل فيما يتعلق بما إذا كان هناك هجومًا إلكترونيًا يسعى إلى التلاعب بهذه المكونات. توفر هذه الأجهزة مجموعة متكررة من القياسات التي توفر لنا طريقة عالية الدقة لتتبع ما يجري في شبكة توزيع الطاقة”, ويمكن للباحثين النظر في القياسات لكشف الحالات الشاذة, أو يمكنهم مقارنة قارئات أجهزة الاستشعار مع ما يورده الجهاز من معلومات للعثور على تناقضات قد تشير إلى هجمات علي شبكة الطاقة.

المشكلة وفقا ل Peisert, هي أن وحدات إدارة المشروع مكلفة, ونتيجة لذلك يتم نشرها فقط في المحطات الفرعية ذات الجهد العالي فقط. وقد يؤدي الاعتماد على قياسات من أجهزة الأستشعار حصريًا إلى هجوم غير مكتشف لبعض الوقت. وقال ان المهاجم يمكنه التلاعب بالقراءات من جهاز استشعار واحد و يقوم بإحداث تلف في الشبكة.

يقوم فريق Berkeley بمساعدة وحدات إدارة المشاريع الصغرى عن طريق وحدات أصغر ذات تكلفة أقل وتأخذ قياسات أكثر أربعة أضعاف من أجهزة الاستشعار الحالية. يمكن نشر وحدات توزيع الطاقة المتناهية الصغر عبر الشبكة, ومن خلال أخذ 120 قياسًا في الثانية, يمكن توفير صورة أعلى دقة لحالة الشبكة. يتم تجميع البيانات من وحدات إدارة المشروع الصغرى ومن ثم إرسالها إلى أنظمة SCADA الحالية (التحكم الإشرافي وحيازة البيانات) المستخدمة على نطاق واسع من قبل المرافق لتوفير التغذية المرتدة في الوقت الفعلي.

قام فريق Berkeley أيضاً بتعديل خوارزمية المجموع التراكمي ، التي تم إنشاؤها في عام 1954 للتحليل المتسلسل للبيانات والكشف عن الشذوذ الآلي للكشف عن السلوك غير الطبيعي في شبكة الطاقة.

قال Ciaran Roberts مهندس أنظمة الطاقة في Berkeley “تتعلم خوارزمية التعلم الآلي التمييز بين السلوك غير الطبيعي والعادي عن طريق الكشف عن التغيرات في البيئة الطبيعية, مثل الحجم الحالي والقوة النشطة والمتفاعلة ,تتم جميع عمليات الحوسبة في الوقت الفعلي خلال مجموعات البيانات, ويتم تصميم الخوارزميات لتعمل في الوقت الفعلي.”

مشروع الثلاث سنوات, الذي تم إطلاقه في عام 2015 جاهز لنقل هذه التقنية إلى محطات الكهرباء. تم تطوير الوحدات بواسطة مختبر معايير الطاقة كجزء من مشروع بقيادة جامعة كاليفورنيا في Berkeley وتم التمويل من قبل وزارة الطاقة. يعمل فريق البحث بشكل وثيق مع عدد من الشركات ، بما في ذلك EnerNex و EPRI و Riverside Public Utilities و Southern Company.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://gcn.com/articles/2018/09/21/grid-cybersecurity.aspx

 

تعليقات