Pe măsură ce rețelele de încărcare pentru vehicule electrice se extind, cresc și riscurile de securitate cibernetică. Cercetători de la laboratorul NICS al Universității din Malaga au propus un sistem bazat pe agenți AI care ar putea ajuta la protejarea stațiilor de încărcare EV, într-un context în care infrastructura combină componente fizice și digitale și devine mai expusă la atacuri.
Potrivit cercetătoarei Cristina Alcaraz, specializată în securitatea infrastructurilor la Universitatea din Malaga, această arhitectură complexă nu doar că susține funcționarea eficientă a stațiilor, ci deschide și o serie de vulnerabilități noi. În materialul publicat de WIRED, ea arată că expunerea la atacuri poate afecta atât adoptarea vehiculelor electrice, cât și stabilitatea rețelelor electrice din țările în care funcționează aceste stații.
Ce urmărește sistemul propus
Propunerea cercetătorilor vizează detectarea timpurie și fiabilă a anomaliilor și a atacurilor asupra rețelelor de încărcare folosind Open Charge Point Protocol, unul dintre cele mai utilizate standarde pentru operarea și administrarea încărcătoarelor EV. Protocolul permite unei rețele de stații să comunice cu un sistem central care gestionează de la autentificarea utilizatorilor și echilibrarea sarcinii până la monitorizarea consumului și diagnosticarea tehnică.
Autorii studiului spun însă că mecanismele actuale de monitorizare bazate pe acest protocol se concentrează, de regulă, pe traficul de rețea sau pe evenimente locale. În consecință, ele oferă o imagine limitată asupra infrastructurii la scară regională și pot face dificilă identificarea locului în care apare o anomalie, a componentelor compromise sau a modului în care un atac s-ar putea extinde.
Mai mulți agenți AI, nu un singur punct de control
Soluția propusă folosește mai mulți agenți AI distribuiți în stații sau în componente relevante ale rețelei. Fiecare agent analizează mediul local, colectează informații și colaborează cu alți agenți pentru a construi o imagine mai completă a stării infrastructurii. Alcaraz spune că fiecare agent evaluează starea încărcătoarelor, a comunicațiilor și a dispozitivelor conectate pentru a detecta anomalii, defecțiuni operaționale sau incidente de securitate.
În această arhitectură, agenții sunt conectați la un sistem central de monitorizare și compară datele obținute local cu cele din stațiile apropiate. Scopul este obținerea unei perspective mai contextuale și mai precise asupra situației, fără a depinde exclusiv de o singură sursă de observație.
Consens distribuit și blockchain
Una dintre componentele cele mai importante ale propunerii este un mecanism de consens bazat pe un cadru matematic numit opinion dynamics. Acesta imită modul în care oamenii își schimbă informațiile în rețele sociale pentru a ajunge la o concluzie comună. Aplicat în modelele informatice, mecanismul permite agenților AI să își împărtășească observațiile și să își ajusteze treptat evaluările până la formarea unei înțelegeri colective a situației.
Autorii susțin că această abordare reduce riscul de alarme false și ajută la detectarea unor anomalii care ar putea trece neobservate dacă ar fi analizate doar local. Arhitectura propusă include și tehnologie blockchain, folosită ca mecanism de încredere și validare. Toate tranzacțiile realizate de agenți sunt înregistrate într-un registru distribuit care nu poate fi modificat ulterior, ceea ce ar asigura integritatea și trasabilitatea sistemului.
Ce au arătat testele
Sistemul multi-agent a fost testat într-un mediu simulat compatibil OCPP. În timpul experimentelor, agenții au fost expuși la mai multe scenarii de anomalie: defecțiuni ale componentelor, erori de legătură în comunicații și situații care necesitau un răspuns coordonat din partea mai multor părți ale sistemului.
În toate cazurile, agenții AI au trebuit să identifice perturbarea locală, să își împărtășească observațiile și să colaboreze pentru a construi o înțelegere comună a incidentului. Rezultatele au arătat că asocierea dintre agenții AI, mecanismul de consens distribuit și blockchain a oferit o imagine globală a rețelei. Sistemul a detectat atât anomalii punctuale în dispozitive individuale, cât și tipare comportamentale care afectau mai multe stații de încărcare.
Laboratorul universitar a descris rezultatele drept promițătoare, iar studiul a fost publicat în International Journal of Critical Infrastructure Protection. Pentru operatorii de infrastructură, concluzia practică este clară: protecția stațiilor EV ar putea depinde tot mai mult de sisteme capabile să coreleze date locale, să verifice încrederea în observații și să reacționeze rapid la semnele timpurii ale unui atac.
Ideea-cheie: pentru rețelele de încărcare EV, un model cu agenți AI distribuiți poate oferi o vedere mai amplă asupra riscurilor decât monitorizarea locală tradițională și poate ajuta la detectarea mai rapidă a anomaliilor.