[論文レビュー] Comprehensive Survey and Taxonomies of False Injection Attacks in Smart Grid: Attack Models, Targets, and Impacts

Haftu Tasew Reda, Adnan Anwar+1 more|arXiv (Cornell University)|Mar 19, 2021

Smart Grid Security and Resilience参考文献 143被引用数 7

ひとこと要約

本稿はスマートグリッドにおける偽装データインジェクション（FDI）攻撃の包括的サーベイおよび分類体系を提示し、攻撃モデル、標的、影響を分析している。既存の研究におけるサイバーセキュリティ上のギャップを特定し、IoT-AMI、エッジコンピューティング、ブロックチェーン、軽量機械学習を活用したリソース制約のあるデバイスのセキュリティ強化のための今後の研究方向性を提案している。

ABSTRACT

Smart Grid has rapidly transformed the centrally controlled power system into a massively interconnected cyber-physical system that benefits from the revolutions happening in the communications (e.g. 5G) and the growing proliferation of the Internet of Things devices (such as smart metres and intelligent electronic devices). While the convergence of a significant number of cyber-physical elements has enabled the Smart Grid to be far more efficient and competitive in addressing the growing global energy challenges, it has also introduced a large number of vulnerabilities culminating in violations of data availability, integrity, and confidentiality. Recently, false data injection (FDI) has become one of the most critical cyberattacks, and appears to be a focal point of interest for both research and industry. To this end, this paper presents a comprehensive review in the recent advances of the FDI attacks, with particular emphasis on 1) adversarial models, 2) attack targets, and 3) impacts in the Smart Grid infrastructure. This review paper aims to provide a thorough understanding of the incumbent threats affecting the entire spectrum of the Smart Grid. Related literature are analysed and compared in terms of their theoretical and practical implications to the Smart Grid cybersecurity. In conclusion, a range of technical limitations of existing false data attack research is identified, and a number of future research directions is recommended.

研究の動機と目的

• 攻撃モデル、標的、影響に基づいてスマートグリッドにおける偽装データインジェクション（FDI）攻撃を体系的に分析・分類すること。
• サイバーフィジカルシステム全体における既存のFDI攻撃文献における技術的制限および研究ギャップを特定すること。
• 脅威の理解を向上させるために、攻撃者、標的、影響の観点からFDI攻撃の構造的分類体系を提供すること。
• IoTベースのAMI、エッジコンピューティング、ブロックチェーン、軽量機械学習といった新興分野における今後の研究方向性を提案すること。
• 電力システムのセキュリティ要件に照らして、既存のFDI攻撃手法を評価することで、強固な防御メカニズムの開発を支援すること。

提案手法

• スマートグリッドにおけるFDI攻撃に関する100篇以上の出版物を対象とした体系的文献レビューを実施し、攻撃の構築方法、標的、影響に焦点を当てる。
• 3つの異なる分類体系の構築：(1) 攻撃モデル（攻撃戦略に基づく）、(2) 攻撃標的（例：PMUs、AMI、WAMS）、(3) 攻撃影響（例：システムの不安定化、財務的損失）。
• 特に不正データ検出（BDD）の限界を突くことで、電力システムの状態推定における数学的モデルを用いてFDI攻撃の難視認知性（ステルス性）を分析する。
• 攻撃成功確率、ステルス性、計算オーバーヘッドといった基準を用いて、既存のFDI手法を標準化された基準で評価する。
• 実世界のICS脆弱性レポート（例：米国ICS-CERT、カスペルスキー）の知見を統合し、理論的モデルを実際の脅威環境に根ざしたものとする。
• 今後の研究の道筋を提案する。具体的には、IoTデバイスにおける軽量ML、エッジコンピューティング環境におけるFDI、分散型エネルギー取引におけるブロックチェーンベースの異常検知など。

実験結果

リサーチクエスチョン

• RQ1 スマートグリッドにおけるFDI攻撃で一般的に用いられる攻撃モデルは何か。また、それらはシステムの脆弱性をどのように悪用するのか。
• RQ2 スマートグリッドインfra構造のどのコンponentsがFDI攻撃に対して最も脆弱であり、その理由は何か。
• RQ3 FDI攻撃が電力システムの信頼性、市場運用、データ整合性に及ぼす測定可能な影響は何か。
• RQ4 異なるスマートグリッドサブシステムにおいて、既存のFDI攻撃手法は、ステルス性、実現可能性、計算コストの観点からどのように比較できるか。
• RQ5 現在のFDI研究における主な研究ギャップは何か。また、エッジコンピューティング、ブロックチェーンなどの新興技術は、新たな機会や脅威をどのようにもたらすか。

主な発見

• FDI攻撃は、その難視認知性の高い構築方法により、従来の不正データ検出（BDD）メカニズムを回避できるため、電力システムの状態推定において特に危険である。
• エネルギー分野では、2017年、2018年、2019年にそれぞれ178件、110件、283件のICSサイバー攻撃が報告されており、FDIは主要な脅威要因の一つである。
• 攻撃者は同期相位計測装置（PMUs）や高度計測インフラ（AMI）を操作することで、誤ったシステム状態を引き起こし、運用障害や財務的不正操作を引き起こすことができる。
• スマートグリッドへの統合が進む一方で、IoTベースのAMI、エッジコンピューティング、ブロックチェーンエコシステムといった分野については、既存のFDI研究が十分に注目していない。
• リソース制約のあるIoTデバイスのセキュリティ強化に向け、軽量機械学習が有望である。帯域幅やメモリが制限された環境において、FDIに対する実用的な防御手段を提供できる。
• ソフトウェア定義ネットワークと認知無線のスマートグリッドへの統合は、新たな攻撃ベクトルをもたらしているが、FDI攻撃の文脈ではまだ十分に調査されていない。