网络安全/人工智能及其在电网保护与控制中的应用

该公司

爱荷华州立大学电气与计算机工程系是电力系统研究领域的领先机构。在著名网络安全专家马尼马兰·戈文达拉苏博士的指导下，博士研究生维韦克-库马尔·辛格正在电力系统、人工智能和网络物理安全这三个领域的交叉点开展前沿研发工作，旨在保护关键电网基础设施免受复杂网络威胁的侵害。

面临的挑战

• 缺乏开源网络安全数据集：由于存在安全风险和企业保密要求，公用事业公司无法共享运营中的攻击数据，导致研究人员缺乏用于训练人工智能/机器学习模型的真实数据集。
• 复杂威胁检测：要在广域监测、保护与控制（WAMPAC）系统中区分无害的电网控制命令与恶意的网络入侵，需要高保真的动态建模。
• 硬件与动态交互：继电器和同步相量（PMU）无法原生区分物理故障与网络攻击，因此需要进行逼真的动态数据注入。
• 多站点电信延迟：在模拟地理上分散的控制中心和变电站时，必须在不影响模型精度的前提下，考虑现实世界中的通信延迟和网络延迟。

OPAL-RT 解决方案

爱荷华州立大学利用OPAL-RT的实时硬件、软件和通信协议，构建了一个全面的网络物理测试平台：

• 攻击模拟与数据集生成：利用OPAL-RT实时仿真器 和ePHASORSIM注入动态故障并模拟网络攻击，从而生成适用于机器学习的、不泄露专有信息的“正常”和“异常”训练数据集。
• 硬件在环（HIL）集成：将 物理继电器和PMU直接连接 到OPAL-RT硬件，从而实现逼真的回放以及对实时动态响应的观察。
• 支持多协议通信：利用原生 OPAL-RT 驱动程序支持 IEC 61850 GOOSE、DNP3（通过 OPC 驱动程序）和 C37.118 PMU协议，以模拟真实的 SCADA 和同步相量网络架构。
• 远程协同仿真 联盟：将 两个OPAL-RT 仿真器 ——其中一台位于爱荷华州，充当控制中心；另一台位于马里兰州的美国陆军研究实验室，用于模拟IEEE 39节点变电站——以测量受攻击条件下26.7毫秒的同步相量数据延迟。

结果

• AI异常检测：成功开发并验证了机器学习算法，该算法能够在WAMPAC环境中，即使存在实际网络延迟，仍能实现实时异常检测。
• 公用事业网络安全培训：为多家主要公用事业公司提供了实用的SCADA网络安全培训，包括锡达福尔斯公用事业公司（CFU）、CIPCO、中美国能公司、爱达荷电力公司以及玉米带电力合作社（CBPC）。
• 国防与联邦合作：与美国陆军研究实验室合作，建立了涵盖多个变电站的网络联邦化测试平台，用于开展国防级电网保护研究。
• 数据集共享促进科学进步：计划发布非专有PMU攻击特征数据集，以加速全球智能电网网络安全领域的研发。

阅读全文