Nueva metodología para prevenir ataques de inyección de datos falsos en plantas fotovoltaicas

Un grupo de investigadores de la Universidad de Sevilla, en España, ha creado un nuevo marco para la detección e identificación de ataques de inyección de datos falsos (FDIA, por sus siglas en inglés) en plantas fotovoltaicas.

Los FDIA suelen ser llevados a cabo por ciberdelincuentes, infiltrados maliciosos, atacantes patrocinados por Estados o hackers especializados que comprometen redes de comunicación, sensores o sistemas de control. En una planta fotovoltaica a escala comercial, los FDIA pueden manipular mediciones como la producción de energía, la tensión o los datos de irradiancia, causando decisiones de control incorrectas, reducción de la producción de energía, estrés en los equipos, inestabilidad de la red y posibles riesgos de seguridad.

“Si bien los FDIA han sido ampliamente investigados para redes de transmisión y distribución, su aplicación a plantas fotovoltaicas a escala comercial ha recibido muy poca atención”, dijo a pv magazine la autora correspondiente Catalina Gómez Quiles. “Nuestro trabajo aborda esta brecha mediante la propuesta de un marco adaptado a la arquitectura y operación de las plantas fotovoltaicas modernas”.

“El marco no se limita a identificar errores aleatorios de medición”, continuó. “Está diseñado para detectar atacantes avanzados capaces de manipular múltiples mediciones manteniendo la coherencia física con la red eléctrica, lo que hace que los ataques sean mucho más difíciles de identificar mediante técnicas convencionales”.

El nuevo enfoque utiliza una herramienta de identificación en dos etapas que combina los estimadores EC-WLSE y EC-SHGME. El EC-WLSE primero estima los estados del sistema aplicando análisis residual y la denominada prueba de residuo normalizado grande (LNR) para identificar mediciones sospechosas. Las mediciones que superan un umbral predefinido se eliminan y la estimación se repite. Luego, el EC-SHGME mejora la detección al ajustar iterativamente los pesos de las mediciones para identificar ataques sutiles que pueden eludir la primera etapa. Las mediciones con pesos en disminución continua se clasifican como posibles FDI.

Los científicos probaron la herramienta de identificación de FDI utilizando un modelo de referencia de un parque fotovoltaico a escala comercial y distintos escenarios de ciberataques. El sistema de prueba consta de dos alimentadores de media tensión, cada uno con tres inversores fotovoltaicos de 3,8 MVA conectados a una red de 132 kV a través de transformadores de media/baja tensión y alta/media tensión. Se consideran dos tipos de ataques FDI: ataques ficticios basados en la manipulación aleatoria de mediciones y ataques sofisticados que utilizan conocimiento del modelo de la planta fotovoltaica. Los ataques ficticios modifican mediciones de tensión, corriente y potencia dentro de límites realistas para simular perturbaciones sigilosas. Los ataques sofisticados generan datos falsos físicamente coherentes para engañar al controlador de la planta eléctrica (PPC) y evitar al mismo tiempo la detección.

Los resultados de la simulación demostraron que EC-WLSE tiene una capacidad de detección limitada, al identificar principalmente solo grandes desviaciones de potencia activa, mientras no logra detectar ataques sobre tensión y potencia reactiva debido a la baja sensibilidad en condiciones de plantas fotovoltaicas. Para ataques múltiples, solo se alcanzó un desempeño de detección aceptable cuando una parte significativa de las mediciones fue comprometida.

El análisis también mostró que, en comparación con EC-WLSE, EC-SHGME demostró una sólida robustez frente a ataques simultáneos de potencia activa y reactiva, con tasas de detección superiores al 95% en la mayoría de los escenarios. Sin embargo, identificar con precisión todas las mediciones comprometidas siguió siendo más difícil, especialmente en el caso de múltiples ataques de baja magnitud. Además, los escenarios de ataques sofisticados mostraron que la detección mejoró a medida que aumentó el número de mediciones manipuladas, mientras que la localización precisa del ataque se volvió más difícil.

“La metodología propuesta alcanza una alta precisión de detección, incluidos puntajes F1 superiores al 85% en condiciones operativas exigentes y cercanos al 100% en muchos escenarios prácticos, mientras sigue siendo lo suficientemente liviana desde el punto de vista computacional como para ser considerada para aplicaciones en tiempo real”, explicó Gómez Quiles. “Más allá de detectar ataques, el marco es capaz de reconstruir estados del sistema confiables incluso cuando las mediciones han sido comprometidas. Esto permite que el PPC continúe operando con información confiable, lo que aumenta la resiliencia de la planta frente a incidentes cibernéticos”.

El marco propuesto fue presentado en “A cyber-resilient framework for detection and identification of false data injection attacks in PV plants” (Un marco ciberresistente para la detección e identificación de ataques de inyección de datos falsos en plantas fotovoltaicas), publicado en Electric Power System Research.

“Creemos que la principal contribución de este trabajo es demostrar que las técnicas robustas de estimación de estado, cuando se adaptan cuidadosamente a las características específicas de las plantas fotovoltaicas, pueden proporcionar una capa de ciberseguridad eficaz y práctica para las futuras infraestructuras de energías renovables sin requerir equipos de sensado adicionales ni grandes cambios en las arquitecturas existentes de las plantas”, concluyó Gómez Quiles.