Jumlah kendaraan listrik di jalan raya di seluruh dunia terus berkembang. Lonjakan adopsi kendaraan listrik telah mendorong pengembangan infrastruktur pengisian daya yang mudah diakses, cepat, dan efisien.
Namun, perluasan ini juga membawa serta risiko-risiko keamanan siber baru yang belum diteliti secara luas, dan solusi untuk mengatasinya masih sedikit.
Cristina Alcaraz, peneliti keamanan infrastruktur di Universitas Malaga Spanyol, menjelaskan tanggung jawab tersebut pengisian kendaraan listrik stasiun karena fakta bahwa mereka mengintegrasikan beberapa komponen fisik dan digital. Dia mengatakan arsitektur kompleks ini tidak hanya membuat pengisi daya bekerja secara efisien tetapi juga menghadirkan sejumlah kerentanan keamanan baru dan luas. Paparan serangan terhadap pengisi daya membahayakan kelangsungan penggunaan kendaraan listrik serta stabilitas jaringan listrik di negara tempat pengisi daya beroperasi.
Untuk mengatasi ancaman ini, para peneliti dari laboratorium NICS di Universitas Malaga telah mengembangkan proposal inovatif untuk diterapkan. Agen AI untuk melindungi infrastruktur. Agen-agen ini dirancang untuk mencegah serangan siber dari berbagai vektor, mulai dari penipuan atau pencurian energi oleh pelaku jahat yang menggunakan stasiun pengisian daya hingga serangan lebih besar yang dapat merusak jaringan energi penting.
Proposal tim bertujuan untuk memastikan deteksi anomali dan serangan secara dini dan andal terhadap jaringan pengisian daya menggunakan Buka Protokol Titik Pengisian Daya. Standar OCCP adalah salah satu standar yang paling banyak digunakan untuk pengoperasian dan pengelolaan pengisi daya kendaraan listrik. Protokol ini memungkinkan jaringan stasiun pengisian untuk berkomunikasi dengan sistem terpusat yang dapat mengelola, memantau, dan mengoordinasikan semua transaksi energi yang dilakukan oleh pengguna akhir.
Sistem pusat menangani banyak hal dari jarak jauh, termasuk otentikasi pengguna, pengelolaan beban listrik di setiap stasiun, pemantauan konsumsi listrik secara keseluruhan, dan diagnostik teknis. Kemampuan ini memungkinkan pengendalian infrastruktur secara real-time dan memungkinkan operator mengenali dan merespons dengan cepat setiap perilaku anomali.
Namun, penulis studi baru ini menunjukkan bahwa mekanisme pemantauan yang ada saat ini berdasarkan protokol ini biasanya hanya berfokus pada lalu lintas jaringan atau kejadian lokal, sehingga mekanisme tersebut hanya dapat memberikan gambaran terbatas tentang apa yang terjadi di seluruh wilayah infrastruktur. Para peneliti mengatakan keterbatasan ini membuat sulit untuk mengidentifikasi di mana anomali terjadi dalam sistem, komponen jaringan mana yang disusupi, tingkat kerentanan, dan cara penyebaran potensi serangan.
Hubungi AI
Para peneliti mengusulkan sistem yang menggunakan banyak agen AI. Setiap stasiun atau komponen jaringan pengisian daya yang relevan dilengkapi dengan agen AI yang mampu menganalisis lingkungannya, mengumpulkan informasi, dan berkolaborasi dengan agen lain untuk membangun pandangan komprehensif tentang kondisi infrastruktur saat ini.
“Setiap agen menilai status pengisi daya, komunikasi, dan perangkat yang terhubung untuk mendeteksi anomali, kegagalan operasional, atau potensi insiden keamanan,” kata Alcaraz. “Agen-agen ini, yang terhubung dengan sistem pemantauan pusat, membandingkan informasi yang diperoleh secara lokal dengan informasi dari stasiun-stasiun terdekat, sehingga memberikan pandangan kolaboratif yang lebih lengkap, akurat, dan kontekstual mengenai situasi tersebut,” katanya. Alcaraz juga penulis utama laporan tersebut.
Pekerjaan, diterbitkan di Jurnal Internasional Perlindungan Infrastruktur Kritismenjelaskan bahwa salah satu fitur paling baru dari sistem ini adalah penggunaan mekanisme konsensus berdasarkan kerangka matematika yang dikenal sebagai dinamika opini.
Pendekatan ini meniru proses dimana manusia bertukar informasi dalam jaringan sosial mereka untuk mencapai kesepakatan. Ketika diterapkan pada model komputer, hal ini memungkinkan agen AI untuk berbagi observasi satu sama lain dan secara bertahap menyesuaikan penilaian mereka untuk membangun pemahaman kolektif tentang situasi secara keseluruhan.
Menurut penulis, prosedur ini mengurangi risiko agen AI menghasilkan hasil positif palsu. Hal ini juga memungkinkan sistem mendeteksi anomali yang mungkin luput dari perhatian jika hanya dianalisis secara lokal.
Arsitektur yang diusulkan juga menggunakan teknologi blockchain sebagai mekanisme kepercayaan dan validasi. Semua transaksi yang dilakukan oleh agen dicatat dalam buku besar terdistribusi yang tidak dapat diubah setelahnya, sehingga menjamin integritas dan ketertelusuran sistem.
Tes Stres
Sistem multi-agen diuji oleh para peneliti dalam simulasi lingkungan pengisian daya yang sesuai dengan OCPP. Selama percobaan, agen dihadapkan pada berbagai skenario anomali dalam jaringan pengisian daya: kegagalan komponen, kesalahan tautan komunikasi, dan situasi yang memerlukan respons terkoordinasi dari berbagai bagian sistem. Dalam semua kasus, agen AI harus mengidentifikasi setiap gangguan lokal, berbagi observasi satu sama lain, dan berkolaborasi untuk membangun pemahaman bersama mengenai insiden tersebut.
Hasilnya menunjukkan bahwa kombinasi agen AI, mekanisme konsensus terdistribusi, dan teknologi blockchain memberikan pandangan global tentang jaringan. Sistem mendeteksi anomali spesifik pada masing-masing perangkat dan beberapa pola perilaku yang memengaruhi beberapa stasiun pengisian daya. Selain itu, mekanisme konsensus meningkatkan keakuratan diagnosis dengan membandingkan pengamatan dari agen yang berbeda, sehingga meningkatkan keandalan laporan.
Laboratorium universitas senang dengan hasilnya. “Sistem ini memberikan cara baru untuk menjamin perlindungan infrastruktur pengisian kendaraan listrik,” katanya dalam pernyataan pers.
Cerita ini awalnya diterbitkan oleh KABEL dalam bahasa Spanyol dan telah diterjemahkan dari bahasa Spanyol.
