Spānijas pētnieki izstrādā mākslīgā intelekta aģentus elektroauto uzlādes staciju aizsardzībai
Mālgas Universitātes NICS laboratorijas pētnieki radījuši daudzaģentu MI sistēmu, kas spēj atklāt un novērst kiberuzbrukumus elektroauto uzlādes infrastruktūrai, izmantojot OCPP protokolu, viedokļu dinamikas konsensa mehānismu un blokķēdes tehnoloģiju.
Jauna pieeja elektroauto uzlādes drošībai
Pieaugot elektroautomobiļu skaitam pasaulē, attīstās arī uzlādes infrastruktūra, bet līdz ar to rodas jauni kiberdrošības riski. Spānijas Mālgas Universitātes NICS laboratorijas pētnieki ir izstrādājuši inovatīvu risinājumu – mākslīgā intelekta aģentu sistēmu, kas paredzēta elektroauto uzlādes staciju aizsardzībai pret dažādiem kiberuzbrukumiem, sākot no krāpšanas un enerģijas zādzības līdz uzbrukumiem, kas var apdraudēt elektrotīklu stabilitāti.
Pētījuma vadošā autore Cristina Alcaraz norāda, ka uzlādes staciju sarežģītā arhitektūra, kas apvieno fiziskus un digitālus komponentus, rada plašas ievainojamības. Esošie uzraudzības mehānismi, kas balstīti uz Open Charge Point Protocol (OCPP) standartu, bieži vien koncentrējas tikai uz tīkla trafiku vai lokāliem notikumiem, sniedzot ierobežotu priekšstatu par situāciju visā reģionā. Tas apgrūtina anomāliju identificēšanu un novēršanu.
Kā darbojas MI aģenti
Piedāvātā sistēma izmanto vairākus MI aģentus, kas integrēti katrā uzlādes stacijā vai tīkla komponentē. Šie aģenti spēj analizēt savu vidi, vākt informāciju un sadarboties savā starpā, veidojot kopēju priekšstatu par infrastruktūras stāvokli. Katrs aģents novērtē uzlādes iekārtu, sakaru un pieslēgto ierīču statusu, lai atklātu anomālijas, darbības traucējumus vai drošības incidentus. Pēc tam tie salīdzina lokāli iegūtos datus ar blakus esošo staciju datiem, nodrošinot precīzāku un kontekstuālu kopainu.
Viena no inovācijām ir konsensa mehānisms, kas balstīts uz matemātisko modeli – viedokļu dinamiku. Tas imitē cilvēku sociālo tīklu informācijas apmaiņu, ļaujot aģentiem dalīties ar novērojumiem un pakāpeniski pielāgot savus vērtējumus, lai nonāktu pie kopīgas izpratnes. Šī pieeja samazina viltus pozitīvo rezultātu risku un ļauj atklāt anomālijas, kas paliktu nepamanītas lokālā līmenī.
Sistēmā tiek izmantota arī blokķēdes tehnoloģija kā uzticamības un validācijas mehānisms – visas aģentu darbības tiek ierakstītas nemainīgā un izsekojamā virsgrāmatā.
Testēšana un rezultāti
Pētnieki pārbaudīja daudzaģentu sistēmu simulētā OCPP saderīgā uzlādes vidē. Aģenti tika pakļauti dažādiem anomāliju scenārijiem: komponentu atteicēm, sakaru kļūdām un situācijām, kas prasīja koordinētu reakciju. Visos gadījumos aģenti spēja identificēt lokālus traucējumus, apmainīties ar novērojumiem un sadarbībā izveidot kopīgu izpratni par incidentu.
Rezultāti parādīja, ka MI aģentu, konsensa mehānisma un blokķēdes kombinācija nodrošina globālu tīkla pārskatu. Sistēma atklāja gan specifiskas anomālijas atsevišķās ierīcēs, gan uzvedības modeļus, kas ietekmēja vairākas uzlādes stacijas. Konsensa mehānisms uzlaboja diagnozes precizitāti, salīdzinot dažādu aģentu novērojumus.
Pētījums publicēts žurnālā International Journal of Critical Infrastructure Protection. Universitātes laboratorija uzsver, ka šī sistēma piedāvā jaunu veidu, kā garantēt elektroautomobiļu uzlādes infrastruktūras aizsardzību.
