el número de El número de vehículos eléctricos en las carreteras de todo el mundo sigue creciendo. El auge 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 estudiados y para los que aún existen pocas soluciones viables.
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 múltiples componentes físicos y digitales. Ella dice que esta arquitectura compleja no sólo mantiene los cargadores funcionando de manera eficiente, sino que también presenta una serie de vulnerabilidades de seguridad nuevas y de gran alcance. La exposición de los cargadores a ataques compromete tanto la adopción continua de vehículos eléctricos como la estabilidad de las redes eléctricas en los países donde operan los cargadores.
Con el objetivo de 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 la infraestructura. Estos agentes están diseñados para prevenir ciberataques de diferentes vectores, que van desde fraude o robo de energía por parte de actores maliciosos que utilizan las estaciones de carga hasta ataques más grandes que podrían dañar las redes de energía crítica.
La propuesta del equipo tiene como objetivo garantizar la detección temprana y confiable de anomalías y ataques a las redes de carga utilizando el protocolo Open Charge Point. El estándar OCCP es uno de los más utilizados para la operación y gestión de cargadores de vehículos eléctricos. El 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. Estas capacidades permiten el control de la infraestructura en tiempo real y permiten a los operadores detectar y responder rápidamente a cualquier comportamiento anómalo.
Sin embargo, los autores del nuevo estudio señalan que los mecanismos de monitoreo actuales basados en este protocolo normalmente solo se enfocan en el tráfico de la red o eventos locales, por lo que solo pueden ofrecer una visión limitada de lo que está sucediendo en toda una región de infraestructura. Los investigadores dicen que esta limitación hace que sea difícil identificar en qué parte del sistema está ocurriendo una anomalía, qué componentes de la red están comprometidos, el alcance de las vulnerabilidades y las formas en que podría propagarse un ataque potencial.
Llama a la IA
Los investigadores proponen un sistema que utiliza múltiples agentes de IA. Cada estación o componente relevante de la red de carga incorpora agentes de IA que son capaces 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”, afirma Alcaraz. “Estos agentes, que están conectados a un sistema central de seguimiento, comparan la información obtenida localmente con la de estaciones cercanas, proporcionando una visión colaborativa más completa, precisa y contextualizada de la situación”, afirma. Alcaraz es también el autor principal del informe.
El trabajo, publicado en el Revista internacional de protección de infraestructuras críticasexplica que una de las características más novedosas del sistema es el uso de un mecanismo de consenso basado en un marco matemático conocido como dinámica de opinión.
Este enfoque imita los procesos mediante los cuales los humanos intercambian información dentro de sus propias redes sociales para llegar a acuerdos. Cuando se aplica a modelos informáticos, permite a los agentes de IA compartir observaciones entre sí y ajustar gradualmente sus evaluaciones para construir una comprensión colectiva de la situación general.