ОБНАРУЖЕНИЕ АНОМАЛИЙ В ЭНЕРГОСИСТЕМАХ: ПРИМЕНЕНИЕ МОДЕЛИ ISOLATION FOREST ДЛЯ ВЫЯВЛЕНИЯ КИБЕРУГРОЗ

Сергей В. Кочергин, Светлана В. Артемова, Анатолий А. Бакаев, Елена А. Максимова, Евгений С. Митяков, Жанна Г. Вегера

Аннотация


Аномалии в электрических сигналах энергосистем играют критическую роль в выявлении потенциальных киберугроз, что подчеркивает необходимость интеграции методов обнаружения аномалий с теорией риска в контексте кибербезопасности. В настоящем исследовании представлен подход к выявлению аномалий в напряжении электрической сети с использованием модели IsolationForest. Для моделирования были сгенерированы синтетические данные, имитирующие реальные условия эксплуатации сети с номинальным напряжением 10 кВ и средней нагрузкой 500 кВА. Аномальные данные включали искусственно созданные резкие изменения напряжения в определенные временные интервалы, что могло быть связано с кибератаками или другими внешними вмешательствами. Модель Isolation Forest была обучена на нормальных данных и успешно применилась для классификации аномалий, что позволило эффективно выделить критические моменты, связанные с потенциальными угрозами. Результаты исследования демонстрируют высокую эффективность предложенного подхода, что позволяет использовать его для повышения устойчивости и безопасности энергосистем в условиях растущих киберугроз.


Ключевые слова


Аномалии в энергосистеме, кибербезопасность, теория риска, Isolation Forest, анализ временных рядов, фрактальный анализ, плотность спектральной мощности, машинное обучение, выявление аномалий, кибератаки.

Полный текст:

PDF

Литература


1. Ихсанов И.И. Безопасность в электроэнергетике: актуальные угрозы и защитные меры. Юность и знания - гарантия успеха -2023: Сборник научных статей 10-й Международной молодежной научной конференции, Курск, 19–20 сентября 2023 года. Редколлегия: А.А. Горохов (отв. редактор). Том 2. Курск: Закрытое акционерное общество «Университетская книга». 2023, с. 472–474. – EDN: TFYDDX.

2. Папков Б.В., Осокин В.Л., Кучин Н.Н. Кибербезопасность объектов распределительных электрических сетей. Сельский механизатор. 2024, № 5, с. 3–7. DOI 10.47336/0131-7393-2024-5-3-4-5-6-7. – EDN: TFMVHI.

3. Колосок И.Н., Коркина Е.С. Анализ кибербезопасности объектов энергетики с учётом механизма и кинетики нежелательных процессов. Энергетик. 2024, № 2, с. 3–8. – EDN: ECXVJP.

4. Абдрахманов И.И. Опасности и угрозы для кибербезопасности в электроэнергетике: анализ современных угроз и механизмов защиты. Научный аспект. 2024, т. 31, № 3, с. 3970–3973. – EDN: LROUNI.

5. Гурина Л.А. Оценка киберустойчивости системы оперативно-диспетчерского управления ЭЭС. Вопросы кибербезопасности. 2022, № 3(49), c. 23–31. DOI: 10.21681/2311-3456-2022-3-23-31. – EDN: SAPIYH.

6. Гурина Л.А., Айзенберг Н.И. Поиск эффективного решения по обеспечению защиты от киберугроз сообщества микросетей со взаимосвязанными информационными системами. Вопросы кибербезопасности. 2023, № 3(55), c. 37–49. DOI: 10.21681/2311-3456-2023-3-37-49. – EDN: QGUYTV.

7. Maksimova E.A. «Smart decisions» in development of a model for protecting information of a subject of critical information infrastructure (2021). Lecture Notes in Networks and Systems – Springer Science and Business Media Deutschland GmbH 155, p. 1213–1221. DOI: 10.1007/978-3-030-59126-7_132.

8. Maksimova E., Sadovnikova N. Proactive Modeling in the Assessment of the Structural Functionality of the Subject of Critical Information Infrastructure (2021). Creativity in Intelligent Technologies and Data Science. CIT&DS 2021. Communications in Computer and Information Science. 2021, v. 1448, p. 436–448. Springer, Cham. DOI: https://doi.org/10.1007/978-3-030-87034-8_31.

9. Прибега Ю.В. Безопасность данных и киберзащита на предприятиях в процессе цифровизации. Экономика и право. Современное состояние и перспективы развития: Сборник статей
X Международной научно-практической конференции, Петрозаводск, 11 января 2024 года. Петрозаводск: Международный центр научного партнерства «Новая Наука» (ИП Ивановская И.И.). 2024, c. 8–13. – EDN: ESUZAI.

10. Щербаков А.Е. Исследование применения искусственного интеллекта и машинного обучения в области кибербезопасности: техники обнаружения аномалий и предотвращения угроз. Вестник науки. 2023, т. 1, № 7(64), с. 151–156. – EDN: ZBUDCC.

11. Власенко А.В., Дзьобан П.И., Жук Р.В. Обзор инструментов машинного обучения и их применения в области кибербезопасности. Прикаспийский журнал: управление и высокие технологии. 2020, № 1(49), c. 144–155. DOI 10.21672/2074-1707.2020.49.4.144-155. – EDN: IPJDMM.

12. Сычев Д.И. Методы машинного и глубокого обучения для систем обнаружения вторжений: обзор и анализ. Международный журнал информационных технологий и энергоэффективности. 2023, т. 8,
№ 4(30), с. 9–17. – EDN: CFCXQS.

13. Калашников А.О., Бугайский К.А., Бирин Д.С. и др. Применение логико-вероятностного метода в информационной безопасности (Часть 1). Вопросы кибербезопасности. 2023, № 4(56), c. 23–32.
DOI: 10.21681/2311-3456-2023-4-23-32. – EDN: GIHSBN.

14. Москвин Д.А., Иванов Д.В. Применение теории фрактальных графов при анализе кибербезопасности VANET-сетей. Перспективные направления развития отечественных информационных технологий: материалы IV межрегиональной научно-практической конференции, Севастополь, 18–22 сентября 2018 года. Севастопольский государственный университет; науч. ред. Б.В. Соколов. Севастополь: «Севастопольский государственный университет». 2018, c. 190–192. – EDN: YQFMIH.

15. Барышников Н.В., Гладышева Я.В., Денисов Д.Г. и др. Исследование интерференционных методов контроля формы и качества высокоточных поверхностей крупногабаритных оптических деталей. Вестник Московского государственного технического университета им. Н.Э. Баумана. 2012, № 9(9), c. 1. – EDN: QOQYYP.

16. Владимирович З.С. Вопросы кибербезопасности, основанной на искусственном интеллекте и методах машинного обучения. Мягкие измерения и вычисления. 2023, т. 68, № 7–2, с. 48–62.
DOI: 10.36871/2618-9976.2023.07-2.006. – EDN: WCUPKK.

17. Скрыпников А.В., Денисенко В.В., Хитров Е.Г. и др. Решение задач информационной безопасности с использованием искусственного интеллекта. Современные наукоемкие технологии. 2021, № 6-2,
c. 277–281. DOI: 10.17513/snt.38734. – EDN: LMFNLR.

18. Liu F.T., Ting K.M. & Zhou Z.-H. (2009). Isolation Forest. Proceedings of the 2008 IEEE International Conference on Data Mining. 2008, p. 413–422. DOI: 10.1109/ICDM.2008.17.




DOI: http://dx.doi.org/10.26583/bit.2025.1.07

Ссылки

  • На текущий момент ссылки отсутствуют.


Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.