Cantidad Los vehículos eléctricos en las carreteras de todo el mundo siguen creciendo. El aumento en la adopción de vehículos eléctricos ha impulsado el desarrollo de infraestructuras de carga accesibles, rápidas y eficientes.
Sin embargo, esta expansión también trae consigo nuevos riesgos de ciberseguridad que no han sido ampliamente investigados y las soluciones para abordarlos son pocas.
Cristina Alcaraz, investigadora de seguridad de infraestructuras de la Universidad de Málaga (España), explica que la responsabilidad de las estaciones de carga de vehículos eléctricos se debe a que integran diversos componentes físicos y digitales. Dijo que esta arquitectura compleja no sólo hace que el cargador funcione de manera eficiente, sino que también introduce una serie de vulnerabilidades de seguridad nuevas y extensas. La exposición a ataques a cargadores pone en peligro el uso continuo de vehículos eléctricos, así como la estabilidad de la red eléctrica en los países donde operan los cargadores.
Para hacer frente a esta amenaza, investigadores del laboratorio NICS de la Universidad de Málaga han desarrollado una propuesta innovadora para desplegar agentes de IA para proteger las infraestructuras. Estos agentes están diseñados para prevenir ciberataques provenientes de una variedad de vectores, desde fraude o robo de energía por parte de actores maliciosos que utilizan estaciones de carga hasta ataques más grandes que pueden dañar redes de energía críticas.
La propuesta del equipo tiene como objetivo garantizar la detección temprana y confiable de anomalías y ataques contra las redes de carga utilizando Ir al Protocolo de Punto de Recarga. El estándar OCCP es uno de los estándares más utilizados para el funcionamiento y gestión de cargadores de vehículos eléctricos. Este protocolo permite que una red de estaciones de carga se comunique con un sistema centralizado que puede gestionar, monitorear y coordinar todas las transacciones de energía realizadas por los usuarios finales.
El sistema central maneja muchas cosas de forma remota, incluida la autenticación de usuarios, la gestión de la carga eléctrica en cada estación, el seguimiento del consumo general de electricidad y los diagnósticos técnicos. Esta capacidad permite el control en tiempo real de la infraestructura y permite a los operadores reconocer y responder rápidamente a cualquier comportamiento anómalo.
Sin embargo, los autores del nuevo estudio señalan que los mecanismos de monitoreo existentes basados en estos protocolos generalmente se enfocan solo en el tráfico de la red o eventos locales, por lo que solo pueden proporcionar una imagen limitada de lo que está sucediendo en una región de infraestructura. Los investigadores dicen que estas limitaciones dificultan identificar dónde ocurren anomalías en el sistema, qué componentes de la red están comprometidos, el alcance de la vulnerabilidad y cómo se propagan los posibles ataques.
Contacto AI
Los investigadores propusieron un sistema que utiliza múltiples agentes de IA. Cada estación o componente relevante de la red de carga está equipado con un agente de IA capaz de analizar su entorno, recopilar información y colaborar con otros agentes para construir una visión integral del estado actual de la infraestructura.
“Cada agente evalúa el estado de los cargadores, las comunicaciones y los dispositivos conectados para detectar anomalías, fallos operativos o posibles incidentes de seguridad”, afirmó Alcaraz. “Estos agentes, conectados a un sistema de monitoreo central, comparan la información adquirida localmente con la información de estaciones cercanas, brindando una visión colaborativa más completa, precisa y contextual de la situación”, dijo. Alcaraz también autor principal del informe.
Trabajar, publicado en Revista internacional de protección de infraestructuras críticasexplica que una de las características más novedosas de este sistema es el uso de un mecanismo de consenso basado en un marco matemático conocido como dinámica de opinión.
Este enfoque imita el proceso mediante el cual los humanos intercambian información dentro de sus redes sociales para llegar a acuerdos. Cuando se aplica a modelos informáticos, esto permite a los agentes de IA compartir observaciones entre sí y ajustar gradualmente sus evaluaciones para construir una comprensión colectiva de la situación en su conjunto.
