[論文レビュー] Exploiting Vulnerabilities of Load Forecasting Through Adversarial Attacks

Yize Chen, Yushi Tan+1 more|arXiv (Cornell University)|Apr 13, 2019

Smart Grid Security and Resilience参考文献 36被引用数 4

ひとこと要約

本稿では、外部の気象APIから得られる気温データに最小限で検知困難な摂動を注入することで、負荷予測システムに対するブラックボックス敵対的攻撃を提案する。予測モデルや電力系統の詳細を一切知らない状況下でも、攻撃者は負荷予測を著しく歪めることができ、これが運用コストの増加や、負荷遮断やレート制約違反といったシステムの非合理化を引き起こす。これは、広く使われている予測アルゴリズムに深刻な脆弱性が存在することを示している。

ABSTRACT

Load forecasting plays a critical role in the operation and planning of power systems. By using input features such as historical loads and weather forecasts, system operators and utilities build forecast models to guide decision making in commitment and dispatch. As the forecasting techniques becomes more sophisticated, however, they also become more vulnerable to cybersecurity threats. In this paper, we study the vulnerability of a class of load forecasting algorithms and analyze the potential impact on the power system operations, such as load shedding and increased dispatch costs. Specifically, we propose data injection attack algorithms that require minimal assumptions on the ability of the adversary. The attacker does not need to have knowledge about the load forecasting model or the underlying power system. Surprisingly, our results indicate that standard load forecasting algorithms are quite vulnerable to the designed black-box attacks. By only injecting malicious data in temperature from online weather forecast APIs, an attacker could manipulate load forecasts in arbitrary directions and cause significant and targeted damages to system operations.

研究の動機と目的

• 現代の負荷予測アルゴリズムのサイバーセキュリティ上の脆弱性を、攻撃者が最小限の知識しか持たない状況下で調査すること。
• 敵対的データ注入が電力系統運用に与える現実世界の影響を評価すること、特にコストの増加や運用不能事態を含む。
• 予測モデルやシステムパラメータの知識が一切不要なブラックボックス攻撃戦略を開発すること。
• 気温ベースのデータ汚染によって負荷遮断やレート制約違反を引き起こす可能性を評価すること。
• 負荷予測システム設計において、予測精度を超えた耐性評価の重要性を提唱すること。

提案手法

• 著者らは、2つのデータ駆動型攻撃戦略を設計した：学習と攻撃を組み合わせる手法と、勾配推定に基づく手法であり、両者とも予測モデルへの気温入力を標的としている。
• 攻撃は、外部APIからの気温予測に微小で人間が検知できない摂動を注入し、負荷予測モデルの入力変化に対する感受性を悪用している。
• 攻撃アルゴリズムは、摂動の大きさを最小限に抑えながら予測のずれを最大化する最適化問題として定式化されている。
• これらの手法は実世界の負荷データセットに適用され、得られた敵対的予測はユニットコミットメントおよび経済的ディスpatch問題で評価された。
• システムレベルの影響は、敵対的予測を前提とした日次スケジューリングおよび経済的ディスpatchのシミュレーションを通じて分析された。
• 本アプローチは、モデルパラメータやシステム詳細へのアクセスが一切ないと仮定しており、現実的なブラックボックス脅威モデルを模倣している。

実験結果

リサーチクエスチョン

• RQ1 モデルアーキテクチャの知識がなくても、気温入力に対する敵対的攻撃が負荷予測モデルの精度を著しく低下させることができるか？
• RQ2 気温予測における微小な摂動が、電力系統の運用コストにどの程度の影響を及ぼすか？
• RQ3 このような攻撃が、負荷遮断やレート制約違反を含む非合理的なユニットコミットメントスケジュールを引き起こすことができるか？
• RQ4 実世界の負荷データにおいて、敵対的予測がどの程度の頻度でシステム障害を引き起こすか？
• RQ5 予測の不正確さが、電力系統の信頼性および経済的ディスパッチに与える影響は何か？

主な発見

• 気温予測に4°Fの摂動を加えるだけで、攻撃手法に応じて27.14%～31.43%のテスト日で負荷遮断が発生した。
• 「学習と攻撃」手法では90.0%の日数、勾配推定手法では85.71%の日数でレート制約違反が発生し、高い失敗率を示した。
• 大規模な気温摂動を適用した場合、システム運用コストが通常の時間当たりコストの4～5倍にまで上昇した。
• わずかな気温摂動（数度程度）でも顕著な予測誤差が生じ、予測モデルの高い脆弱性を示している。
• 攻撃者が予測モデルやシステムパラメータの知識を持たない状況下でも攻撃が有効であったため、ブラックボックス攻撃の実現可能性が確認された。
• 高い予測精度が、耐性を意味するわけではないことが結果から明らかになった。これにより、負荷予測システム設計においてセキュリティに配慮した設計の必要性が強調された。