딥러닝 기반 스마트 그리드 보호 시스템: 병렬 사이버 물리 공격에 대한 새로운 해결책

본 기사는 딥러닝 기반 그래프 어텐션 네트워크와 선형 계획법을 활용하여 병렬 사이버 물리 공격(PCPA)으로부터 스마트 그리드를 보호하는 새로운 방법을 제시합니다. 실험 결과를 통해 제안된 알고리즘의 효과를 검증하며, 향후 스마트 그리드 보안 강화에 기여할 것으로 예상됩니다.

첨단 기술과의 융합: 스마트 그리드의 새로운 위협

최근 전력망과 통신 기술의 융합으로 스마트 그리드가 발전하고 있지만, 동시에 병렬 사이버 물리 공격(PCPA) 이라는 새로운 위협에 직면하고 있습니다. PCPA는 물리적 전력선을 교란하거나 차단하는 동시에 측정 데이터 전송을 방해하여 시스템 보호 및 복구 조치를 지연시키거나 무력화시키는 공격입니다. 이러한 공격은 현대 전력망에 심각한 위협을 초래합니다.

혁신적인 접근: 그래프 어텐션 네트워크(GAT) 활용

중국과학원의 렌준하오(Junhao Ren) 박사가 이끄는 연구팀은 선형화된(또는 DC) 전력 흐름 모델 하에서 PCPA의 광범위한 영향을 고려하여 고장 진단 문제를 연구했습니다. 그들은 물리적 공격 메커니즘이 전력선의 단순한 차단뿐 아니라 분산형 유연 AC 전송 시스템(D-FACTS) 침입을 통한 어드미턴스 값 변경까지 포함한다는 점에 주목했습니다.

이 문제를 해결하기 위해 연구팀은 먼저 공격받은 영역 내의 전압 위상각 정보를 복구했습니다. 이 정보와 버스의 전력 주입 정보를 사용하여 그래프 어텐션 네트워크(GAT) 기반 고장 위치 파악(GAT-FL) 알고리즘을 제안했습니다. GAT의 그래프 데이터 특징 추출 기능을 활용하여, 이 알고리즘은 서비스 거부(DoS) 공격과 같은 사이버 공격 하에서 기존 결과보다 뛰어난 성능을 보였습니다.

최적화된 솔루션: 선형 계획법(LP)을 통한 전력선 상태 식별

더 나아가 연구팀은 전력선 상태 식별 알고리즘을 개발하여 공격받은 영역 내 전력선의 상태를 식별했습니다. 이 알고리즘은 공격받은 영역 내 버스의 전력 주입을 복원한 후, 선형 계획법(LP) 문제를 풀어 해당 영역 내 모든 전력선의 상태를 식별합니다. 실험 시뮬레이션은 제안된 고장 진단 알고리즘의 효과를 입증했습니다.

미래를 위한 통찰: 안전하고 안정적인 스마트 그리드 구축

이 연구는 PCPA에 대한 효과적인 방어 시스템 구축에 중요한 전기를 마련했습니다. GAT와 LP 기법의 결합은 스마트 그리드의 안정성과 신뢰성을 높이는 데 기여할 뿐 아니라, 향후 더욱 정교해질 사이버 물리 공격에 대한 대비책 마련에도 중요한 의미를 지닙니다. 앞으로 더욱 발전된 연구를 통해 더욱 강력하고 안전한 스마트 그리드를 구축할 수 있을 것으로 기대됩니다.