معماری شتاب دهنده امن Edge AI مبتنی بر FPGA برای تشخیص بلادرنگ حملات سایبری در سامانه های سایبر-فیزیکی شبکه برق هوشمند

با گسترش شبکه های برق هوشمند، میکروگریدها، کنتورهای هوشمند، واحدهای اندازه گیری فازوری و تجهیزات مبتنی بر اینترنت اشیا، زیرساخت های انرژی به سامانه هایی پیچیده، توزیع شده و سایبر-فیزیکی تبدیل شده اند. این تحول اگرچه موجب افزایش بهره وری، انعطاف پذیری و قابلیت پایش بلادرنگ شبکه شده است، اما سطح حمله سایبری را نیز به طور قابل توجهی افزایش داده است[۲] ،[۴]. حملاتی مانند تزریق داده جعلی، بازپخش داده، منع سرویس، دست کاری اندازه گیری ها و حملات خصمانه علیه مدل های هوش مصنوعی می توانند عملکرد سیستم های کنترل، حفاظت و مدیریت انرژی را مختل کرده و پایداری شبکه برق را تهدید کنند. روش های سنتی تشخیص نفوذ و راهکارهای مبتنی بر پردازش ابری، به دلیل وابستگی به ارتباطات شبکه، تاخیر بالا، مصرف انرژی زیاد و محدودیت در تضمین امنیت داده و مدل برای کاربردهای بلادرنگ در لبه شبکه برق کافی نیستند[۵] ، [۱۱].در این مقاله، یک معماری مفهومی برای شتاب دهنده امن Edge AI مبتنی بر FPGA به منظور تشخیص بلادرنگ حملات سایبری در سامانه های سایبر-فیزیکی شبکه برق هوشمند ارائه می شود. معماری پیشنهادی شامل لایه دریافت و اعتبارسنجی داده، واحد پیش پردازش سبک وزن، شتاب دهنده استنتاج هوش مصنوعی کوانتیزه شده، ماژول تشخیص ناهنجاری، واحد امنیت سخت افزاری و سازوکار پاسخ سریع به تهدید است[۱۴]. در این چارچوب، FPGA به عنوان بستری قابل برنامه ریزی، کم تاخیر و انرژی کارا برای اجرای مدل های سبک هوش مصنوعی در نزدیکی منبع داده به کار گرفته می شود. همچنین استفاده از سازوکارهایی مانند احراز اصالت داده، رمزنگاری سبک وزن، حفاظت از پارامترهای مدل و جداسازی مسیرهای پردازشی امن، موجب افزایش اعتمادپذیری معماری در برابر تهدیدهای سایبری می شود[۱۶].هدف اصلی این پژوهش، ایجاد پلی میان امنیت سایبری شبکه های برق هوشمند، رایانش لبه، هوش مصنوعی سبک وزن و معماری های سخت افزاری قابل اعتماد است. مقاله حاضر ضمن تحلیل تهدیدهای رایج در شبکه های برق هوشمند، چالش های پیاده سازی تشخیص بلادرنگ در تجهیزات لبه را بررسی کرده و یک چارچوب معماری برای کاهش تاخیر، افزایش کارایی انرژی و بهبود امنیت استنتاج هوش مصنوعی ارائه می کند[۱] ، [۹]. نتایج تحلیلی نشان می دهد که ترکیب FPGA، Edge AI و امنیت سخت افزاری می تواند مسیر موثری برای توسعه نسل آینده سامانه های حفاظتی و پایشی در زیرساخت های انرژی هوشمند باشد[۱۳].

کلیدواژه ها:

شبکه برق هوشمند ، سامانه های سایبر-فیزیکی ، Edge AI ، FPGA ، شتاب دهنده سخت افزاری ، امنیت سخت افزار