Moderne Energieinfrastrukturen entwickeln sich zu cyber-physischen Systemen, in denen die physische Stromverteilung eng mit der digitalen Kommunikation verwoben ist. Die Digitalisierung steigert die Effizienz, birgt aber auch Cybersicherheitsrisiken. Um diesen Bedrohungen zu begegnen, haben Forscher eine künstliche Intelligenz (KI)-Methode entwickelt, die Netzwerkanalyse mit Datenverfolgung kombiniert, um komplexe Angriffe zu erkennen, die herkömmliche Systeme möglicherweise übersehen. Die Studie wurde im „International Journal of Global Energy Issues“ veröffentlicht.
Energieinfrastrukturen sind anfällig für Advanced Persistent Threats (APTs), bei denen sich Angreifer langfristig Zugang verschaffen, um unbemerkt Daten zu sammeln oder Signale zu manipulieren. Ein Hauptproblem sind False Data Injection (FDI)-Angriffe, bei denen Sensormesswerte manipuliert werden, um den Operateuren irreführende Informationen zu liefern. Solche Veränderungen können katastrophale Fehler im Energiefluss auslösen und die physische Brennstoffversorgung einer Region lahmlegen. Diese Schwachstellen manifestieren sich oft in Ransomware-Angriffen, und die mit internationalen Konflikten verbundenen Risiken nehmen zu.
Die Erkennung dieser Eindringlinge ist herausfordernd, da bösartige Befehle oft routinemäßige Betriebsaktivitäten nachahmen. Herkömmliche Erkennungssysteme verwenden vordefinierte Regeln basierend auf bekannten Bedrohungen und sind begrenzt wirksam gegen neue Schwachstellen oder Angriffe mit nicht übereinstimmenden Mustern. Die neue KI-Methode nutzt strukturelle und zeitliche Informationen zur Angriffserkennung. Eine zweischichtige Deep-Learning-Architektur kartiert die räumliche Anordnung basierend auf Graph Neural Networks (GNN), während ein Transformer-Modell Datensequenzen analysiert, damit die KI die physischen und dynamischen Aspekte der Infrastruktur versteht.
Tests zeigten, dass das neue KI-Modell eine Genauigkeit von über 93% erreicht und verdächtige Aktivitäten in weniger als zwei Sekunden nach Angriffsbeginn erkennt. Dies bietet eine nahezu Echtzeit-Schutzmethode für Strominfrastrukturen. Die schnelle Erkennung von Cyberangriffen auf Stromnetze trägt zur Verbesserung der Sicherheit und Stabilität von Energiesystemen bei.
Veröffentlichungsdetails: Autor: David Bradley, Inderscience; Titel: „Grid vibrations: AI detects power supply cyberattacks in less than two seconds“; erschienen in: „International Journal of Global Energy Issues“ (2026); Zeitschrifteninfo: „International Journal of Global Energy Issues“
