O número de veículos elétricos nas estradas de todo o mundo continua a crescer. O boom na adoção de VE impulsionou o desenvolvimento de infraestruturas de carregamento acessíveis, rápidas e eficientes.
No entanto, esta expansão também traz consigo novos riscos de cibersegurança que não foram amplamente estudados e para os quais ainda existem poucas soluções viáveis.
Cristina Alcaraz, pesquisadora de segurança de infraestrutura da Universidade de Málaga, na Espanha, explica que a responsabilidade de carregamento de veículos elétricos estações deve-se ao facto de integrarem múltiplos componentes físicos e digitais. Ela diz que esta arquitetura complexa não só mantém os carregadores funcionando de forma eficiente, mas também apresenta uma série de vulnerabilidades de segurança novas e de longo alcance. A exposição dos carregadores a ataques compromete tanto a adoção contínua de VE como a estabilidade das redes elétricas nos países onde os carregadores operam.
Com o objectivo de enfrentar esta ameaça, investigadores do laboratório NICS da Universidade de Málaga desenvolveram uma proposta inovadora para implantar Agentes de IA para proteger a infra-estrutura. Estes agentes são concebidos para prevenir ataques cibernéticos de diferentes vetores, desde fraude ou roubo de energia por agentes mal-intencionados que utilizam as estações de carregamento até ataques maiores que podem danificar redes de energia crítica.
A proposta da equipe visa garantir a detecção precoce e confiável de anomalias e ataques às redes de carregamento utilizando o Protocolo de ponto de carregamento aberto. O padrão OCCP é um dos mais utilizados para operação e gerenciamento de carregadores de veículos elétricos. O protocolo permite que uma rede de estações de carregamento comunique com um sistema centralizado que pode gerir, monitorizar e coordenar todas as transações de energia realizadas pelos utilizadores finais.
O sistema central trata de uma série de coisas remotamente, incluindo autenticação de usuários, gerenciamento da carga elétrica em cada estação, monitoramento do consumo geral de eletricidade e diagnósticos técnicos. Esses recursos permitem o controle da infraestrutura em tempo real e permitem que os operadores detectem e respondam rapidamente a qualquer comportamento anômalo.
No entanto, os autores do novo estudo salientam que os actuais mecanismos de monitorização baseados neste protocolo normalmente focam-se apenas no tráfego de rede ou eventos locais, pelo que só podem oferecer uma visão limitada do que está a acontecer em toda uma região de infra-estrutura. Os pesquisadores dizem que esta limitação torna difícil identificar onde uma anomalia está ocorrendo no sistema, quais componentes da rede estão comprometidos, a extensão de quaisquer vulnerabilidades e as formas pelas quais um ataque potencial pode se espalhar.
Ligue para a IA
Os pesquisadores propõem um sistema que utiliza vários agentes de IA. Cada estação ou componente relevante da rede de carregamento incorpora agentes de IA que são capazes de analisar o seu ambiente, recolher informações e colaborar com outros agentes para construir uma visão abrangente do estado atual da infraestrutura.
“Cada agente avalia o estado dos carregadores, das comunicações e dos dispositivos conectados para detectar anomalias, falhas operacionais ou potenciais incidentes de segurança”, afirma Alcaraz. “Esses agentes, conectados a um sistema central de monitoramento, comparam as informações obtidas localmente com as de estações próximas, proporcionando uma visão colaborativa mais completa, precisa e contextualizada da situação”, afirma. Alcaraz é também o autor principal do relatório.
O trabalho, publicado no Jornal Internacional de Proteção de Infraestrutura Críticaexplica que uma das características mais inovadoras do sistema é o uso de um mecanismo de consenso baseado em uma estrutura matemática conhecida como dinâmica de opinião.
Esta abordagem imita os processos pelos quais os humanos trocam informações dentro das suas próprias redes sociais para chegar a acordos. Quando aplicado a modelos informáticos, permite que os agentes de IA partilhem observações entre si e ajustem gradualmente as suas avaliações para construir uma compreensão colectiva da situação geral.
