Προστασία του Συστήματος Ελέγχου Φορτίου-Συχνότητας από Κυβερνοεπιθέσεις με Χρήση Βαθιάς Ενισχυτικής Μάθησης

Abstract

Τα συστήματα ηλεκτρικής ενέργειας αποτελούν πολύπλοκα δίκτυα κρίσιμης σημασίας για τη σύγχρονη κοινωνία. Για τη διασφάλιση ομαλής και ευσταθούς λειτουργίας αυτών των συστημάτων, απαιτείται η εφαρμογή ποικίλων τεχνικών προστασίας και ελέγχου. Μεταξύ αυτών, ο έλεγχος φορτίου-συχνότητας (LFC) διαδραματίζει κεντρικό ρόλο στη διατήρηση της ευστάθειας, αποτελώντας μια πολύπλοκη διαδικασία που απαιτεί τη συνεργασία μηχανικών στοιχείων με συστήματα πληροφορίας και επικοινωνιών. Η ολοένα αυξανόμενη ενοποίηση των τεχνολογιών έξυπνων δικτύων έχει κάνει τα συστήματα LFC ευάλωτα σε κυβερνοεπιθέσεις, όπως επιθέσεις έγχυσης ψευδών δεδομένων (FDIAs), οι οποίες διαστρεβλώνουν μετρήσεις αισθητήρων και αποσταθεροποιούν τη συχνότητα του δικτύου. Πολλές τεχνικές έχουν προταθεί για την ενίσχυση της ασφάλειας του LFC, με τις σύγχρονες τάσεις να εστιάζουν στην Ενισχυτική Μάθηση (RL), λόγω της ικανότητάς της να προσαρμόζεται σε δυναμικά και απρόβλεπτα περιβάλλοντα. Η RL έχει εφαρμοστεί τόσο ως ελεγκτής όσο και για το σχεδιασμό επιθέσεων σε συστήματα LFC. Ωστόσο, η χρήση της ως ελεγκτής υπό συνθήκες κυβερνοεπιθέσεων παραμένει ανεξερεύνητη, με υπάρχουσες μελέτες να αγνοούν τη διαφοροποίηση μεταξύ κανονικών διαταραχών και εσκεμμένων επιθέσεων κατά τη λειτουργία του ελέγχου. Αυτό το ερευνητικό κενό επιχειρεί να καλύψει η παρούσα εργασία, με την εισαγωγή του 𝐷𝑅𝐿2𝐹𝐶, ενός πράκτορα RL, ως ελεγκτή για συστήματα LFC, που εκπαιδεύεται και αξιολογείται ρητά υπό συνθήκες κυβερνοεπιθέσεων. Ο πράκτορας υιοθετεί την αρχιτεκτονική Double Deep Q-Network, η οποία διαχωρίζει τις διαδικασίες επιλογής και αξιολόγησης ενεργειών προς εύρεση της βέλτιστης πολιτικής ελέγχου. Αυτή η πολιτική καθιστά τον ελεγκτή ικανό να διατηρεί ευστάθεια ακόμη και υπό συνθήκες FDI επιθέσεων που διαστρεβλώνουν μετρήσεις αισθητήρων. Το εκπαιδευτικό περιβάλλον του 𝐷𝑅𝐿2𝐹𝐶 προσομοιώνει απότομες διαταραχές φορτίου και ταυτόχρονες FDIAs, επιτρέποντας στον πράκτορα να μάθει να διακρίνει ανάμεσα σε κανονικές διακυμάνσεις και εχθρικές παρεμβολές. Η πειραματική αξιολόγηση σε δίκτυο LFC δύο περιοχών επιβεβαίωσε την ανωτερότητα του 𝐷𝑅𝐿2𝐹𝐶. Ο πράκτορας διαχειρίστηκε επιτυχώς αλλαγές φορτίου ενώ επέφερε σταθερότητα μετά από κυβερνοεπιθέσεις. Επιπλέον, η αξιολόγηση επεκτάθηκε τόσο σε περιβάλλοντα με θόρυβο, όσο και σε σύγκριση με άλλες μεθόδους ανίχνευσης και αντιμετώπισης επιθέσεων, με εξίσου ικανοποιητικά αποτελέσματα. Τα αποτελέσματα υπογραμμίζουν τη δυνατότητα της RL να συνδυάζει έλεγχο και ασφάλεια, καθιστώντας την αποτελεσματική λύση για την προστασία κρίσιμων υποδομών έναντι δυναμικών κυβερνοαπειλών.