智能电网易遭受网络攻击的症结在哪里?

简介:

美国配电系统逐渐现代化,逐渐转向使用双向通信和计算机处理的智能电网,这从一定程度上加大了遭受网络攻击的可能性。知名出版公司爱思唯尔(Elsevier)近期发布关键基础设施保护国际期刊,美国塔尔萨大学坦迪计算机科学学院萨吉特·希洛伊博士及其同事在其中分析了这些安全问题。

这份报告提到确保美国供电设施安全的关键要素。

供电设施遭遇攻击会带来哪些影响?

希洛伊指出,先进的计量基础设施遭遇复杂网络攻击已迫在眉睫。此类攻击不仅会影响用户和配电公司。攻击分子还可能会采取其它行动,例如窃取用户数据、偷电(增加电费)、破坏电网,拒绝为用户供电等。

计量基础设施安全

先进的计量基础设施普及范围极为广泛。计量基础设施包含家庭、企业等使用的智能仪表、交通灯和仪表数据管理系统。数据采集器相当于计量仪表与数据管理系统之间的中间桥梁。

为了评估网络攻击对电表基础设施造成的潜在影响,Shenoi及其同事分析了一组先进的计量基础设施,其中包含100多万台智能仪表、100多台数据采集器和两个数据管理系统。研究人员通过安全分析详细评估这组基础设施的攻击面、系统中的目标元素(例如数据采集装置)以及潜在的攻击类型及其影响。

希洛伊指出,最具破坏性的场景之一是计算机蠕虫进入先进的计量基础设施,永久禁用数百万台智能仪表。这种攻击场景实际在现实生活中已经发生:2015年12月,俄罗斯黑客组织Sandworm成功攻击乌克兰电网,超过22.5万户用户停电。操作人员手动复位断路器之后在6个小时内恢复供电。

如果这种情况发生在美国大都市,影响可能会持续更久。由于智能仪表的产量和库存有限,再加上技术人员不足,破坏几百台智能仪表可能会导致大范围断电数月,乃至超过一年。

先进的计量基础设施的应用范围、多样性和复杂性加大了安全分析难度,而且需要经过专业培训的专业人员才能应对此类事件。电子仪表无论在规模、布局还是技术(硬件、软件和固件)、功能和安全控制方面都在不断发展。分析这些现状对理解安全形势至关重要,为进一步研究风险管理框架保护计量系统奠定基础。如果能深刻地理解新型计量基础设施的综合威胁环境,工作人员的响应效率也会相应提高。

本文转自d1net(转载)

相关文章
|
3月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
338 0
|
7月前
|
边缘计算 人工智能 5G
5G引领家庭网络升级:速度、稳定性与智能化的新时代
5G引领家庭网络升级:速度、稳定性与智能化的新时代
513 69
|
8月前
|
边缘计算 安全 算法
阿里云CDN:构建全球化智能加速网络的数字高速公路
阿里云CDN构建全球化智能加速网络,拥有2800多个边缘节点覆盖67个国家,实现毫秒级网络延迟。其三级节点拓扑结构与智能路由系统,结合流量预测模型,确保高命中率。全栈式加速技术包括QUIC协议优化和Brotli压缩算法,保障安全与性能。五层防御机制有效抵御攻击,行业解决方案涵盖视频、物联网及游戏等领域,支持新兴AR/VR与元宇宙需求,持续推动数字内容分发技术边界。
530 13
|
4月前
|
算法 安全 网络安全
【多智能体系统】遭受DoS攻击的网络物理多智能体系统的弹性模型预测控制MPC研究(Simulink仿真实现)
【多智能体系统】遭受DoS攻击的网络物理多智能体系统的弹性模型预测控制MPC研究(Simulink仿真实现)
187 0
|
7月前
|
人工智能 运维 算法
AI加持下的网络流量管理:智能调度还是流量黑洞?
AI加持下的网络流量管理:智能调度还是流量黑洞?
268 8
|
传感器 运维 物联网
蓝牙Mesh网络:连接未来的智能解决方案
蓝牙Mesh网络:连接未来的智能解决方案
2340 12
|
8月前
|
机器学习/深度学习 人工智能 运维
AI“捕风捉影”:深度学习如何让网络事件检测更智能?
AI“捕风捉影”:深度学习如何让网络事件检测更智能?
266 8
|
8月前
|
机器学习/深度学习 人工智能 运维
AI为网络可靠性加“稳”——从断网烦恼到智能运维
AI为网络可靠性加“稳”——从断网烦恼到智能运维
364 2
|
存储 安全 5G
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【8月更文挑战第1天】在当今科技飞速发展的时代,AI已成为日常生活中不可或缺的一部分。神经网络作为AI的核心,通过模拟人脑中的神经元连接方式处理复杂数据模式。利用Python及其强大的库TensorFlow,我们可以轻松构建神经网络模型。示例代码展示了如何建立一个含有两层隐藏层的简单神经网络,用于分类任务。神经网络通过反向传播算法不断优化权重和偏置,从而提高预测准确性。随着技术的进步,神经网络正变得越来越深、越来越复杂,能够应对更加艰巨的挑战,推动着AI领域向前发展。
140 2