[논문 리뷰] An Energy Management System Approach for Power System Cyber-Physical Resilience

Katherine Davis|arXiv (Cornell University)|2021. 10. 07.

Smart Grid Security and Resilience참고 문헌 10인용 수 4

한 줄 요약

이 논문은 고도화된 다단계 사이버-물리 공격에 대비한 전력 시스템의 복원력을 향상시키기 위해 사이버 및 물리 모델, 데이터, 분석을 통합하는 차세대 사이버-물리 에너지 관리 시스템(CYPRES)을 제안한다. 사이버 및 물리적 위상도를 융합하고, 기계학습을 통한 실시간 상태 추정을 가능하게 하며, 적응형 위험 분석 및 대응을 지원함으로써 CYPRES는 사전적 위협 탐지, 상황 인식 및 폐쇄형 학습을 가능하게 하여 그리드 보안과 운영 복원력을 향상시킨다.

ABSTRACT

Power systems are large scale cyber-physical critical infrastructure that form the basis of modern society. The reliability and resilience of the grid is dependent on the correct functioning of related subsystems, including computing, communications, and control. The integration is widespread and has a profound impact on the operation, reliability, and efficiency of the grid. Technologies comprising these infrastructure can expose new sources of threats. Mapping these threats to their grid resilience impacts to stop them early requires a timely and detailed view of the entire cyber-physical system. Grid resilience must therefore be seen and addressed as a cyber-physical systems problem. This short position paper presents several key preliminaries, supported with evidence from experience, to enable cyber-physical situational awareness and intrusion response through a cyber-physical energy management system.

연구 동기 및 목표

• 사이버 및 물리 하위계통 간 상호의존성을 악용하는 고도화된 다단계 사이버-물리 공격에 대한 전력 시스템의 증가하는 취약성을 해결하기 위해.
• 사이버 네트워크 위상도, 전력 시스템 위상도, 위협 모델링을 통합하는 통합적 사이버-물리 상황 인식 프레임워크를 개발하기 위해.
• 융합된 사이버-물리 데이터와 모델 기반 분석을 통해 사전적 위험 분석 및 적응형 대응을 가능하게 하기 위해.
• 위협 사건에 대한 루프를 닫음으로써 계획, 탐지, 대응, 학습에 이르는 복원력 전 과정을 지원하기 위해.
• 운영 복원력을 향상시키기 위해 확장 가능하고 모듈화되며 확장 가능한 아키텍처를 제공함으로써 핵심 인프라에서의 에너지 관리 시스템을 개선하기 위해.

제안 방법

• 제어 네트워크와 전력 그리드 구성 요소를 포함하여 사이버 및 물리 시스템 위상도를 융합하여 사이버-물리 시스템의 통합 표현을 구축하기 위해.
• 위협 모델과 시스템 위상도를 기반으로 물리적 영향 지표와 운영 신뢰성 지표를 통합한 상태공간 모델을 생성하기 위해.
• 실시간으로 사이버 및 물리 구성 요소로부터 데이터를 수집하고 상관관계를 분석하기 위해 플로우 기반 데이터 모니터링 접근법을 구현하기 위해.
• 기능 추출을 통한 기계학습 기법을 적용하여 사이버 및 물리 센서 데이터를 융합함으로써 침입 탐지 및 상태 추정 능력을 향상시키기 위해.
• 융합된 모델과 역사적 데이터를 사용하여 사전적 위험 분 析를 수행하여 취약한 구성 요소를 식별하고 사전 방지 조치를 제안하기 위해.
• 실시간 시스템 상태와 위협의 진화에 따라 모델과 대응 권고사항을 지속적으로 업데이트함으로써 온라인 의사결정 지원을 위한 적응형 위험 분 析를 구현하기 위해.

실험 결과

연구 질문

• RQ1 사이버-물리 모델 융합은 전력 시스템 운영에서 상황 인식을 어떻게 향상시킬 수 있는가?
• RQ2 사이버 및 물리 네트워크에서의 데이터 융합은 침입 탐지 정확도 향상에 어떤 역할을 하는가?
• RQ3 기계학습 기반 상태 추정은 변화하는 사이버-물리 위협에 대비해 복원력을 어떻게 향상시킬 수 있는가?
• RQ4 실시간 시스템 변화에 대응하여 위험 분 析를 어떻게 적응형으로 만들 수 있는가?
• RQ5 폐쇄형 학습 메커니즘은 시간이 지남에 따라 시스템 복원력을 어떻게 향상시킬 수 있는가?

주요 결과

• 사이버 및 물리 위상도의 통합은 위협 영향 평가에 필수적인 시스템 상호의존성의 포괄적 시각을 가능하게 한다.
• 물리적 영향 지표를 통합한 융합된 상태공간 모델은 위협 상황 하에서 복원력의 정량화를 더 정확하게 가능하게 한다.
• 플로우 기반 데이터 모니터링은 사이버 및 물리 데이터의 실시간 상관관계 분석을 가능하게 하여 비정상적 행동 탐지 능력을 향상시킨다.
• 기계학습 기반 데이터 융합은 교차 도메인 기능을 활용하여 사이버-물리 침입 탐지 정확도를 크게 향상시킨다.
• 융합된 모델을 사용한 사전적 위험 분석은 공격 이전에 고위험 구성 요소를 식별하여 사전 방어 계획 수립을 가능하게 한다.
• 적응형 위험 분 析는 동적 대응 권고사항을 지원하여 위협 사건 발생 시 및 이후 복원력을 향상시킨다.