[論文レビュー] Protecting the Grid against IoT Botnets of High-Wattage Devices

Saleh Soltan, Prateek Mittal+1 more|arXiv (Cornell University)|Aug 11, 2018

Smart Grid Security and Resilience参考文献 29被引用数 4

ひとこと要約

本稿では、高ワット数のデバイスを備えたIoTボットネットによるMAD（需要操作）攻撃後に線路過負荷を防ぐために、経済 dispatch におけるロバストな発電機運転点を計算するための SAFE および IMMUNE アルゴリズムを提案する。グリッドのレジリエンスを定量化するための $αD$-ロバスト性を導入し、二次制御中に過負荷が解消可能かどうかを確認するための効率的な多項式時間法を提供することで、攻撃状況下でのグリッド安定性を保証する。

ABSTRACT

We provide methods to prevent line failures in the power grid caused by a newly revealed MAnipulation of Demand (MAD) attacks via an IoT botnet of high-wattage devices. In particular, we develop two algorithms named Securing Additional margin For generators in Economic dispatch (SAFE) Algorithm and Iteratively MiniMize and boUNd Economic dispatch (IMMUNE) Algorithm for finding robust operating points for generators during the economic dispatch such that no lines are overloaded after automatic primary control response to any MAD attacks. In situations that the operating cost of the grid in a robust state is costly (or no robust operating points exist), we provide efficient methods to verify--in advance--if possible line overloads can be cleared during the secondary control after any MAD attacks. We then define the $αD$-robustness notion for the grids indicating that any line failures can be cleared during the secondary control if an adversary can increase/decrease the demands by $α$ fraction. We demonstrate that practical upper and lower bounds on the maximum $α$ for which the grid is $αD$-robust can be found efficiently in polynomial time. Finally, we evaluate the performance of the developed algorithms and methods on realistic power grid test cases. Our work provides the first methods for protecting the grid against potential line failures caused by MAD attacks.

研究の動機と目的

• 急激に需要を変更する高ワット数デバイスの IoT ボットネットによる MAD 攻撃の増加する脅威に対処し、電力グリッドの不安定化を防ぐ。
• いかなる MAD 攻撃に対しても、一次周波数制御応答後の線路過負荷を防ぐロバストな発電機運転点を、計算的に効率的に特定する方法を開発する。
• MAD 攻撃に起因する一時的な線路過負荷が二次制御中に解消可能かどうかを事前に検証するためのツールを提供し、システムのレジリエンスを保証する。
• 攻撃者が需要を $\alpha$ の割合で増加または減少させた場合に、すべての線路過負荷が二次制御で解消可能であることを示す正式な基準として $αD$-ロバスト性を導入する。
• 提案手法がスケーラブルで効率的であり、実世界のテストシステムへの実用的導入に適した多項式時間の複雑度を有することを保証する。

提案手法

• 任意の MAD 攻撃後に線路過負荷が発生しないロバストな発電機運転点を計算するための単一の線形計画法（LP）を解く SAFE アルゴリズムを開発する。
• 反復的かつ適応的アップデートを用いて複数回の LP を解くことで、SAFE よりも低コストのロバストな運転点を収束的に得る、反復的アプローチである IMMUNE アルゴリズムを提案する。
• $αD$-ロバスト性を、攻撃者が需要を $\alpha$ の割合で増加または減少させた場合に、すべての線路過負荷が二次制御中に解消可能であることを示す形式的基準として定義する。
• 単一の LP を用いて計算可能な $\alpha^{\max}$ の上界 $\hat{\alpha}$ を導入し、最大安全な $\alpha$ を効率的に推定する。
• 反復的 LP を用いて、適応的ステップサイズ $\lambda$ を用いて $\alpha^{\max}$ のより鋭い下界 $\alpha^{(\beta)}$ および $\alpha^{(\gamma,\beta)}$ を計算する。収束性と精度の向上を図る。
• IEEE テストシステムにおけるブルートフォース探索および数値的評価を通じて、境界およびアルゴリズムの効率性と正確性を検証する。

実験結果

リサーチクエスチョン

• RQ1 いかなる MAD 攻撃に対しても、経済 dispatch においてロバストな発電機運転点を効率的に計算できるか？
• RQ2 グリッドオペレータは、MAD 攻撃に起因する一時的な線路過負荷が二次制御中に解消可能かどうかを事前にどのように検証できるか？
• RQ3 MAD 攻撃下でもグリッドが安全に保たれるために許容可能な最大の需要摂動 $\alpha$ は何か？ また、この $\alpha^{\max}$ を効率的に境界付ける方法は何か？
• RQ4 提案手法は、多項式時間の複雑度と実用的スケーラビリティを備えており、実世界の電力システムに適用可能か？
• RQ5 異なるテストシステムにおいて、提案された境界（$\hat{\alpha}$, $\alpha^{(\beta)}$, $\alpha^{(\gamma,\beta)}$）の正確性と計算コストはどのように比較されるか？

主な発見

• SAFE アルゴリズムは単一の LP を解くことで、いかなる MAD 攻撃に対しても線路過負荷が発生しないロバストな運転点を計算し、実行可能性が保証される。
• IMMUNE アルゴリズムは反復的に解を改善することで、SAFE よりも低コストのロバストな運転点を生成する。最適なステップサイズ $\lambda=1.1$ を用いる場合、3回の反復で収束することがある。
• 単一の LP を用いて多項式時間で計算可能な上界 $\hat{\alpha}$ は、多数のテストケース（IEEE 14-bus (f), 14-bus (u), 30-bus, NE 39-bus）において $\alpha^{\max}$ に非常に近い推定値を提供する。
• IEEE 57-bus (f) システムでは $\hat{\alpha} = 0.2$ であるのに対し $\alpha^{\max} < 0.09$ であるため、$\hat{\alpha}$ はタイトではない場合でも信頼できる上界であることが示された。
• 下界 $\alpha^{(\beta)}$ および $\alpha^{(\gamma,\beta)}$ は $\alpha^*$ よりも著しく正確であり、NE 39-bus システムでは $\alpha^{(\gamma,\beta)} = \hat{\alpha}$ となり、$\alpha^{\max}$ の正確な回復が達成された。
• IEEE 30-bus システムにおいて $\alpha = 0.31$ の場合、SAFE も IMMUNE もロバストな運転点を発見できないが、$\alpha^{\max} = 0.37$ であるため、二次制御で過負荷が解消可能である。これは本手法の実用的有用性を確認する。