[논문 리뷰] Comprehensive Survey and Taxonomies of False Injection Attacks in Smart Grid: Attack Models, Targets, and Impacts

Haftu Tasew Reda, Adnan Anwar외 1명|arXiv (Cornell University)|2021. 03. 19.

Smart Grid Security and Resilience참고 문헌 143인용 수 7

한 줄 요약

이 논문은 스마트그리드에서의 가짜 데이터 주입(FDI) 공격에 대한 종합적인 서베이와 분류 체계를 제시하며, 공격 모델, 대상, 영향을 분석한다. 기존 연구에서의 핵심 사이버보안 격차를 규명하고, 자원 제약이 있는 장치를 보호하기 위해 IoT-AMI, 엣지 컴퓨팅, 블록체인, 경량 머신러닝 분야의 향후 연구 방향을 제안한다.

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.

연구 동기 및 목표

• 공격 모델, 대상, 영향을 기반으로 스마트그리드에서의 가짜 데이터 주입(FDI) 공격을 체계적으로 분석하고 분류하기.
• 사이버-물리 시스템 전반에서 기존 FDI 공격 문헌의 기술적 한계와 연구 격차를 규명하기.
• 위협 이해를 향상시키기 위해 공격자, 대상, 영향의 시각에서 FDI 공격에 대한 체계적인 분류 체계를 제공하기.
• IoT 기반 AMI, 엣지 컴퓨팅, 블록체인, 경량 머신러닝과 같은 신규 영역의 향후 연구 방향을 제안하기.
• 전력 시스템 보안 요구사항을 기반으로 기존 FDI 공격 방법론을 평가하여 강력한 방어 메커니즘 개발을 지원하기.

제안 방법

• 스마트그리드에서의 FDI 공격에 관한 100여 편 이상의 논문을 대상으로 체계적인 문헌 리뷰를 수행하며, 공격 구성, 대상, 영향에 중점을 둔다.
• 세 가지 별도의 분류 체계 개발: (1) 공격 모델(공격자 전략 기반), (2) 공격 대상(예: PMUs, AMI, WAMS), (3) 공격 영향(예: 시스템 불안정성, 재정적 손실).
• 전력 시스템 상태 추정의 수학적 모델을 활용하여 FDI 공격의 은밀함을 분석하며, 특히 악성 데이터 탐지(Bad Data Detection, BDD)의 한계를 악용하는 방식을 중심으로 분석한다.
• 공격 성공률, 은밀함, 계산 오버헤드 등의 표준 기준을 활용하여 기존 FDI 방법을 평가한다.
• 실제 산업 제어 시스템(ICS) 취약성 보고서(예: 미국 ICS-CERT, 카스퍼스키)의 통찰을 통합하여 이론적 모델을 실제 위협 환경에 기반하게 한다.
• 향후 연구 방향 제안: IoT 기기용 경량 머신러닝, 엣지 컴퓨팅 환경에서의 FDI, 분산 에너지 거래에서의 블록체인 기반 이상 탐지.

실험 결과

연구 질문

• RQ1 스마트그리드에 대한 FDI 공격에서 지배적인 공격 모델은 무엇이며, 어떻게 시스템 취약점을 악용하는가?
• RQ2 스마트그리드 인프라의 어떤 구성 요소가 FDI 공격에 가장 취약한가, 그리고 그 이유는 무엇인가?
• RQ3 FDI 공격이 전력 시스템의 신뢰성, 시장 운영, 데이터 무결성에 미치는 측정 가능한 영향은 무엇인가?
• RQ4 다양한 스마트그리드 서브시스템에서 FDI 공격 방법의 은밀함, 실행 가능성, 계산 비용 측면에서 기존 방법들을 어떻게 비교할 수 있는가?
• RQ5 현재 FDI 연구에서의 핵심 연구 격차는 무엇이며, 엣지 컴퓨팅, 블록체인 등 신기술가지가 새로운 기회나 위협을 제공하는가?

주요 결과

• FDI 공격는 은밀한 구성 덕분에 기존 악성 데이터 탐지(Bad Data Detection, BDD) 메커니즘을 우회할 수 있어 전력 시스템 상태 추정에서 특히 위험한 편이다.
• 에너지 부문은 각각 2017년 178건, 2018년 110건, 2019년 283건의 ICS 사이버공격 사고를 보고하였으며, FDI는 주요 공격 벡터 중 하나이다.
• 공격자는 위상 측정 장치(PMUs)와 고도화된 미터링 인프라(AMI)를 조작하여 잘못된 시스템 상태를 유도함으로써 운영 실패나 재정적 조작을 유도할 수 있다.
• 스마트그리드에 점점 더 통합되고 있는 IoT 기반 AMI, 엣지 컴퓨팅, 블록체인 생태계에 대해 기존 FDI 연구는 충분한 관심을 기울이지 못하고 있다.
• 경량 머신러닝은 자원 제약이 있는 IoT 기기의 보안에 유망한 기술로 평가되며, 대역폭과 메모리가 제한된 환경에서 FDI에 대한 실현 가능한 방어 수단을 제공할 수 있다.
• 스마트그리드에 소프트웨어 정의 네트워킹과 인지 라디오를 통합함으로써 새로운 공격 벡터가 발생했지만, FDI 공격 맥락에서 아직 충분히 연구되지 않은 상태이다.