[论文解读] Cybersecurity Challenges of Power Transformers

Hossein Rahimpour, Joe Tusek+5 more|arXiv (Cornell University)|Feb 25, 2023

Smart Grid Security and Resilience被引用 6

一句话总结

本文系统性地研究了智能电力互感器的网络安 全挑战，识别了其智能监测系统中的攻击向量、脆弱性及风险。针对不断演变的威胁，特别是虚假数据注入攻击，提出了基于人工智能的异常检测与基于模型的入侵检测方法，为现代化电网中互感器专用的网络防御策略奠定了基础。

ABSTRACT

The rise of cyber threats on critical infrastructure and its potential for devastating consequences, has significantly increased. The dependency of new power grid technology on information, data analytic and communication systems make the entire electricity network vulnerable to cyber threats. Power transformers play a critical role within the power grid and are now commonly enhanced through factory add-ons or intelligent monitoring systems added later to improve the condition monitoring of critical and long lead time assets such as transformers. However, the increased connectivity of those power transformers opens the door to more cyber attacks. Therefore, the need to detect and prevent cyber threats is becoming critical. The first step towards that would be a deeper understanding of the potential cyber-attacks landscape against power transformers. Much of the existing literature pays attention to smart equipment within electricity distribution networks, and most methods proposed are based on model-based detection algorithms. Moreover, only a few of these works address the security vulnerabilities of power elements, especially transformers within the transmission network. To the best of our knowledge, there is no study in the literature that systematically investigate the cybersecurity challenges against the newly emerged smart transformers. This paper addresses this shortcoming by exploring the vulnerabilities and the attack vectors of power transformers within electricity networks, the possible attack scenarios and the risks associated with these attacks.

研究动机与目标

• 解决在输电网络中针对智能电力互感器的特定网络安全挑战缺乏系统性研究的问题。
• 识别并分类针对智能互感器关键组件（如有载分接开关（OLTC）、溶解气体分析（DGA）系统和差动保护）的网络物理攻击向量。
• 分析由于连接性增强以及人工智能驱动的监测系统在长寿命电力设备（40年寿命）中应用所带来的风险。
• 提出基于人工智能与机器学习的入侵检测框架，以检测隐蔽且不断演变的网络威胁，包括内部与外部攻击。
• 提供攻击分类体系，并为在智能电网环境中开发互感器专用的缓解策略奠定基础。

提出的方法

• 开发了智能互感器的综合架构与分类体系，包括在线状态监测（OLCM）、数据采集系统及通信接口等组件。
• 将攻击向量映射至特定互感器组件（如OLTC、套管传感器、保护继电器）及变电站级系统。
• 在电力互感器运行背景下，评估已知网络威胁，如虚假数据注入（FDI）、GPS欺骗、干扰及时间同步攻击。
• 提出基于无监督与半监督机器学习的AI异常检测方法，以识别遥测与控制数据中的偏差。
• 针对电力系统操作技术（OT）的独特约束（低延迟、高可用性、实时处理），适配了定制化的基于模型的入侵检测系统（IDS）。
• 回顾并综合现有检测算法，重点强调基于状态估计的方法以区分恶意与合法数据。

实验结果

研究问题

• RQ1 在现代输电网络中，针对智能电力互感器的主要网络物理攻击向量是什么？
• RQ2 电力互感器独特的运行约束（如40年寿命、实时控制）如何影响传统IT网络安全措施的可行性与有效性？
• RQ3 智能互感器组件（如在线溶解气体分析（DGA）系统和OLTC控制）中最关键的脆弱性是什么？
• RQ4 如何有效应用人工智能与机器学习技术，以检测在互感器监测系统中隐蔽且不断演变的网络攻击（如虚假数据注入）？
• RQ5 当前入侵检测系统在保护在线诊断系统方面存在哪些局限性？如何提升其对高级威胁的鲁棒性？

主要发现

• 尽管历史上具有物理隔离性，智能电力互感器由于与通信网络集成以及采用基于人工智能的监测系统，正面临日益严重的网络攻击威胁。
• 虚假数据注入（FDI）攻击是最普遍且最具破坏性的威胁之一，可无察觉地操纵传感器数据与控制指令。
• 现有入侵检测系统对智能互感器而言不足为力，因其通常仅在有限的假设场景中测试，且对高级自适应攻击缺乏鲁棒性。
• 基于人工智能的异常检测，特别是无监督学习模型，在识别模仿正常运行行为的隐蔽攻击方面展现出强大潜力。
• 将基于状态估计的算法集成到诊断系统中，为验证数据完整性及检测恶意遥测或控制信号提供了一条有前景的途径。
• 迫切需要开发互感器专用的缓解策略，因为通用的智能电网或智能电表安全模型无法充分满足电力互感器的独特需求。