[논문 리뷰] Vulnerability Assessment of N-1 Reliable Power Systems to False Data Injection Attacks

Zhigang Chu, Jiazi Zhang외 2명|arXiv (Cornell University)|2019. 03. 19.

Smart Grid Security and Resilience참고 문헌 17인용 수 4

한 줄 요약

이 논문은 실시간 정상상태 분석(RTCA) 및 보안 제약 경제 운전(SCED)을 활용하는 가짜 데이터 주입(FDI) 공격에 의해 후방 고장 상황에서 선로의 전력 흐름을 최대화하는 데 초점을 맞춘 공격자-방어자 이중선형계획문(ADBLP)을 제안한다. 시스템 운영자의 반응을 보안 제약 경제 운전(SCED)으로 모델링하고 수정된 벤더스 분해 알고리즘을 사용함으로써, 연구는 지능적인 FDI 공격이 탐지되지 않도록 하면서도 목표 전송선로에 물리적 과부하를 유도할 수 있음을 입증한다. 2000 버스 텍사스 시스템에 대한 시뮬레이션 결과, 고장 상황에서 목표 선로에 최대 112.2%의 과부하가 발생함을 확인하였다.

ABSTRACT

This paper studies the vulnerability of large-scale power systems to false data injection (FDI) attacks through their physical consequences. Prior work has shown that an attacker-defender bi-level linear program (ADBLP) can be used to determine the worst-case consequences of FDI attacks aiming to maximize the physical power flow on a target line. Understanding the consequences of these attacks requires consideration of power system operations commonly used in practice, specifically real-time contingency analysis (RTCA) and security constrained economic dispatch (SCED). An ADBLP is formulated with detailed assumptions on attacker's knowledge, and a modified Benders' decomposition algorithm is introduced to solve such an ADBLP. The vulnerability analysis results presented for the synthetic Texas system with 2000 buses show that intelligent FDI attacks can cause post-contingency overflows.

연구 동기 및 목표

• 실시간 정상상태 분석(RTCA)과 보안 제약 경제 운전(SCED)을 악용하는 FDI 공격에 의해 대규모 $N-1$ 신뢰성 있는 전력 시스템의 물리적 취약성을 평가하는 것.
• 나쁜 데이터 검출기와 시스템 상태 추정을 회피하는 비관측 가능한 FDI 공격을 수행하기 위해 필요한 공격자의 지식과 제약 조건을 모델링하는 것.
• 공격자의 목표와 시스템 운영자의 SCED 반응을 모델링하는 비볼록 공격자-방어자 이중선형계획문(ADBLP)의 효율적인 해법 방법을 개발하는 것.
• 이러한 공격의 악성 물리적 영향, 즉 고장 후 선로 과부하와 비타겟 브랜치에서의 뜻하지 않은 위반 사항을 정량화하는 것.

제안 방법

• 상위 수준에서는 공격자가 목표 선로의 전력 흐름을 최대화하고자 하는 목표를 모델링하고, 하위 수준에서는 RTCA가 생성한 보안 제약 조건 하에서 시스템 운영자의 SCED 반응을 모델링하는 공격자-방어자 이중선형계획문(ADBLP)을 수립한다.
• 공격자의 지식에 대한 구체적인 가정을 도입하며, 시스템의 구조도, 선로 제한, 고장 시나리오, 그리고 RTCA 및 SCED 결과를 관찰하거나 예측할 수 있는 능력을 포함한다.
• ADBLP를 카룩-쿠른-타커(KKT) 조건을 사용하여 수학적 프로그래밍 문제로 재구성하고, 보완 타당성의 빅-엠 재구성 기법을 통해 이를 혼합정수선형계획문(MILP)으로 변환한다.
• 대규모 ADBLP 문제를 효율적으로 해결하기 위해 수정된 벤더스 분해 알고리즘을 제안하며, 문제를 마스터 문제와 서브 문제로 분해하여 이중선형 구조를 처리한다.
• 공격 벡터에 $l_1$-노름과 $l_0$-노름 제약 조건을 도입하여 탐지 가능성과 희박성(스파arsity)을 모델링하고, 공격 강도와 부하 재분배 탐지 가능성 간의 연관성을 설정한다.
• 가짜 측정값을 주입한 상황에서 RTCA 및 SCED 반응을 시뮬레이션함으로써 공격 모델과 해법 방법의 타당성을 시험한 2000 버스 텍사스 전력 시스템에 대해 검증한다.

실험 결과

연구 질문

• RQ1 공격자가 $N-1$ 신뢰성 있는 시스템에서 SCED를 조작하고 물리적 선로 과부하를 유도하기 위해 비관측 가능한 FDI 공격을 설계하기 위해 어느 정도의 지식이 필요한가?
• RQ2 공격자가 목표 선로의 전력 흐름을 최대화하고 시스템 운영자가 SCED를 통해 반응하는 이중 최적화 문제로 악성 FDI 공격을 어떻게 모델링할 수 있는가?
• RQ3 이러한 공격의 물리적 영향은 무엇인가? 고장 후 과부하와 비타겟 브랜치에서의 뜻하지 않은 위반 사항 포함.
• RQ4 비볼록이고 계산적으로 도전적인 ADBLP 문제를 텍사스 2000 버스 모델과 같은 대규모 시스템에 대해 어떻게 효율적으로 해결할 수 있는가?
• RQ5 부하 이동과 공격 벡터의 희박성 지표를 사용하여 FDI 공격의 탐지 가능성은 어느 정도 정량화할 수 있는가?

주요 결과

• 제안된 ADBLP 기반의 공격 설계는 텍사스 시스템의 25개 타겟 브랜치 중 8개에서 고장 후 과부하를 유도하였으며, 고장 상황에서 선로 ln-2025-2055에 최대 112.2%의 물리적 과부하가 발생하였다.
• 공격자는 단지 한 줄선만을 표적으로 삼았음에도 불구하고, 추가로 네 개의 브랜치에서 뜻하지 않은 위반 사항이 발생하여, 타겟을 초월한 연쇄적 물리적 영향을 유발함을 확인하였다.
• 선로 ln-2025-2055에 대한 공격는 고장 후 112.2%의 전력 흐름을 달성하였으며, 이는 지능적인 FDI 공격가 $N-1$ 보안 제약 조건을 우회할 수 있음을 보여준다.
• 성공한 공격들에서 공격 벡터의 $l_0$-노름은 90에서 461 사이로 변동하였으며, 심각한 물리적 피해를 유도하기 위해 단지 소수의 측정값만 조작하면 되는 것을 시사한다.
• 시스템 운영자는 사이버 상태에서 위반 사항을 관찰하지 못했으며(즉, 시스템은 안전하게 보였음), 그러나 물리적 시스템은 심각한 과부하를 겪었기 때문에 공격의 비관측성이 확인되었다.
• 특정 선로, 예를 들어 ln-6188-7305와 ln-7233-7251는 공격 시 105%를 초과하는 물리적 전력 흐름을 보이며 매우 취약한 것으로 밝혀졌으며, 이는 강화된 보호 조치가 필요함을 시사한다.