حفاظت از شبکه های برق با تجهیزات ارزان قیمت

به گزارش کارگروه امنیت سایبربان، به نقل از «gcn»؛ از آنجا که تقریبا همه ی صنایع و بخش ها بر نیروی الکتریکی تکیه می کنند، امنیت شبکه ی برق معمولا در صدر بحث های امنیت سایبری زیرساخت های حیاتی قرار دارند.

محققان آزمایشگاه ملی لارنس برکلی وزارت انرژی آمریکا (Department of  Energy’s Lawrence Berkeley National Laboratory) درحال انجام مسئولیت های خود برای تامین امنیت شبکه های برق آسیب پذیر این کشور هستند. آن ها یک روش نسبتا کم هزینه را برای تشخیص هم زمان حمله ها به شبکه های نیرو ، توسعه داده اند.

همانند دیگر پژوهشگران، گروه برکلی بر نظارت واحد های اندازه گیری فازور(PMUs) -حسگر هایی که در مکان های ثابت در سراسر شبکه نصب شدند- تمرکز کرده اند. این حسگرها داده ها را با نسبت 30 نوبت در ثانیه اندازه گیری کرده، به یک مرکز کنترل ارسال می کنند.

شان پیزرت (Sean Peisert)، دانشمند رایانه در بخش تحقیقات محاسباتی آزمایشگاه برکلی و کارشناس امنیت سایبری گفت:

نظر این است که اگر ما می توانستیم از رفتار فیزیکی اجزای درون شبکه برق بیشترین استفاده را ببریم، قادر بودیم بینش بهتری از لحاظ اینکه آیا یک حمله ی سایبری به دنبال دستکاری آن دسته از اجزا وجود داشت، به دست آوریم.

وی ادامه داد:

این دستگاه ها مجموعه ای از اندازه گیری های افزوده را فراهم می کنند که راهی با وضوح و کیفیت بیشتر از ردیابی آنچه در شبکه های توزیع برق در جریان است، به ما ارائه می دهد.

پژوهشگران می توانند با توجه به اندازه گیری ها، ناهنجاری ها را کشف کنند. یا قادر هستند داده های خوانده شده از حسگرها را با آنچه تجهیزات گزارش می دهند، مقایسه کرده و اختلافاتی که حملات را علیه قطعات در شبکه ی برق نشان دهد، پیدا کنند.

طبق گفته های پیزرت مشک ، گران بودن PMU ها است. پس در نتیجه فقط در ایستگاه های فشار قوی مستقر می شوند.

وی افزود:

با تکیه ی انحصاری بر اندازه گیری های آن حسگرها، ممکن است گاهی اوقات یک حمله، ناشناخته باقی بماند. یک مهاجم می تواند خروجی یک حسگر را دستکاری و شبکه را مختل کند.

برای شکل گیری یک شبکه ی گسترده تر، گروه برکلی به میکرو PMU ها، واحدهای کوچک تر و ارزان تر رو آورده اند که 4 برابر بیشتر از حسگرهای کنونی اندازه گیری می کنند.

میکرو PMU ها در طول شبکه مستقرشده و با گرفتن 120 اندازه گیری در ثانیه می توانند تصویری با وضوح بالا از وضعیت شبکه و با افزونگی بیشتر ارائه دهند. داده های این ابزارها ترکیب شده و به سیستم های نظارت بر کنترل و اکتساب داده ها یا اسکادا (SCADA) موجود، فرستاده می شوند. این سامانه ها به طور گسترده توسط خدمات رفاهی مورد استفاده قرار می گیرند تا یک بازخورد زمان واقعی را فراهم کنند.

گروه برکلی همچنین یک الگوریتم موجود را اصلاح کرده – الگوریتم جمع تجمعی که در سال 1954 برای تجزیه و تحلیل ترتیبی داده ها و تشخیص خودکار ناهنجاری ساخته شد- تا رفتار غیر عادی در شبکه ی برق تشخیص داده شود.

کیاران رابرتز (Ciaran Roberts)، مهندس سامانه های انرژی در لارنس برکلی، اظهار داشت:

الگوریتم های یادگیری ماشینی از طریق شناسایی تغییرات در محیط فیزیکی، مانند مقدار جریان و توان اکتیو و راکتیو، آموزش می بینند، رفتار عادی و غیر عادی را تشخیص دهند. کلیه ی محاسبات در زمان واقعی و در طول مجموعه داده های فیزیکی انجام شده است. الگوریتم ها نیز به گونه ای طراحی شده اند که در زمان واقعی اجرا می شوند.

پروژه ی 3 ساله ای که در سال 2015 راه اندازی شده است، تقریبا آماده ی توسعه ی فناوری به عرصه مذکور است.

واحدها توسط آزمایشگاه استاندارد برق (Power Standards Lab) به عنوان بخشی از پروژه گسترش یافته اند. این پروژه توسط  دانشگاه برکلی رهبری شده و وزارت انرژی بودجه ی آن را تامین کرده است.

گروه تحقیقاتی از نزدیک با تعدادی از شرکت ها همچون اینترنکس (EnterNex)، موسسه تحقیقاتی نیروی الکتریکی (EPRI)، خدمات عمومی ریورساید (Riverside) و شرکت (Southern) همکاری کرده اند.