ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ КЕРУВАННЯ ТА ЗАХИСТУ В КІБЕРФІЗИЧНИХ І ХМАРНИХ СЕРЕДОВИЩАХ SMART GRID
DOI:
https://doi.org/10.28925/2663-4023.2025.30.956Ключові слова:
Smart Grid, хмарні обчислення, edge-комп’ютинг, оркестрація, інтелектуальне керування, стійкість до атак, розподілений фільтр Калмана, метрики довіри, керування з підвищеною живучістю, кіберфізичні системи.Анотація
У статті досліджено методологічні, алгоритмічні та архітектурні підходи до проєктування інтелектуальних систем керування та захисту, спрямованих на забезпечення стійкості функціонування Smart Grid в умовах зростання інтенсивності кіберзагроз. Обґрунтовано необхідність переходу від традиційних ІТ-орієнтованих засобів безпеки до гібридних адаптивних рішень, що поєднують механізми кіберфізичної живучості, автоматичного відновлення та когнітивного реагування на атаки типу Denial-of-Service, spoofing, data injection та інші високоризикові впливи. Запропоновано концептуальну модель архітектури стійкості Smart Grid, побудовану на синтезі методів робастного оцінювання, fault-tolerant control, розподіленої фільтрації (Distributed Kalman Filtering) і моделей динамічного управління довірою. Проведено системну класифікацію сучасних векторів атак на цифрові підстанції, SCADA, RTU та HMI з формалізацією вимог до їхнього захисту в контексті інформаційної та фізичної безпеки. Досліджено хмарно-edge оркестрацію потоків телеметрії Smart Grid із розміщенням аналітики поблизу джерела даних та масштабованим агрегуванням у хмарі для навчання моделей і кореляції подій у реальному часі. Запропоновані механізми враховують вимоги до латентності, пропускної здатності та ізоляції навантажень у хмарних середовищах. Обґрунтовано виклики впровадження безперервного моніторингу, аналізу аномалій і формування рішень у реальному часі. Визначено перспективні напрями розвитку самонавчальних моделей виявлення інцидентів і реактивного управління на основі алгоритмів штучного інтелекту з урахуванням вимог до масштабованості, надійності та стійкості до прихованих загроз. Ефективність моделі підтверджено експериментальним моделюванням атак типу false data injection, DoS і spoofing у середовищі цифрових підстанцій Smart Grid.
Завантаження
Посилання
Sun, C.-C., Liu, C.-C., & Xie, J. (2016). Cyber-physical system security of a power grid: State-of-the-art. Electronics, 5(3), 40. https://doi.org/10.3390/electronics5030040
Younisse, R., & AlKasassbeh, M. (2025). Evaluating deep learning for detecting data integrity attacks in energy smart grids. In 2025 International Conference on New Trends in Computing Sciences (ICTCS), pp. 368–372. https://doi.org/10.1109/ICTCS65341.2025.10989460
Jiang, W., Gao, W., Wang, W., Li, Y., Li, Y., & Zhang, G. (2025). Detection of false data injection attack in smart grid based on extended Kalman and smooth variable structure filter. IEEE Access, 13, 5257–5270. https://doi.org/10.1109/ACCESS.2024.3524558
Zhang, D.-Y., & Li, X.-J. (2025). Fully distributed resilient energy management for smart grids under false data injection attacks. IEEE Internet of Things Journal, 12(15), 32035–32045. https://doi.org/10.1109/JIOT.2025.3575397
Li, L., Ding, S. X., Zhou, L., Zhong, M., & Peng, K. (2024). The system dynamics analysis, resilient and fault-tolerant control for cyber-physical systems. arXiv. https://arxiv.org/abs/2409.13370
Cao, Y., Zhang, L., Zhao, X., Jin, K., & Chen, Z. (2022). An intrusion detection method for industrial control system based on machine learning. Information, 13(7), 322. https://doi.org/10.3390/info13070322
Alonso, M., Turanzas, J., Amaris, H., & Ledo, A. T. (2021). Cyber-physical vulnerability assessment in smart grids based on multilayer complex networks. Sensors, 21(17), 5826. https://doi.org/10.3390/s21175826
Malik, M. I., Ibrahim, A., Hannay, P., & Sikos, L. F. (2023). Developing resilient cyber-physical systems: A review of state-of-the-art malware detection approaches, gaps, and future directions. Computers, 12(4), 79. https://doi.org/10.3390/computers12040079
Kostiuk, Y., Dovzhenko, N., Mazur, N., Skladannyi, P., & Rzaeva, S. (2025). The methodology for protecting grid environments from malicious code during the execution of computational tasks. Cybersecurity: Education, Science, Technique, 3(27), 22–40. https://doi.org/10.28925/2663-4023.2025.27.710
Rashed, M., Gondal, I., Kamruzzaman, J., & Islam, S. (2021). State estimation within IED based smart grid using Kalman estimates. Electronics, 10(15), 1783. https://doi.org/10.3390/electronics10151783
Y. Kostiuk, et al., Architecture of the Software System of Confidential Access to Information Resources of Computer Networks, in: Cyber Security and Data Protection, vol. 4042 (2025) 37-53.
Pei, C., Xiao, Y., Liang, W., & Han, X. (2021). A deviation-based detection method against false data injection attacks in smart grid. IEEE Access, 9, 15499–15509. https://doi.org/10.1109/ACCESS.2021.3051155
Kostiuk, Y., Skladannyi, P., Sokolov, V., Zhyltsov, O., & Ivanichenko, Y. (2025). Effectiveness of information security control using audit logs. In Proceedings of the Workshop on Cybersecurity Providing in Information and Telecommunication Systems (CPITS 2025), pp. 524–538.
Chen, Z., Zhang, H., & Tian, Y. (2023). Security-based resilient distributed energy management against DoS and FDI coordinated attacks. In 2023 35th Chinese Control and Decision Conference (CCDC), pp. 1032–1037. https://doi.org/10.1109/CCDC58219.2023.10326813
P. Skladannyi, et al., Model and Methodology for the Formation of Adaptive Security Profiles for the Protection of Wireless Networks in the Face of Dynamic Cyber Threats, in: Cyber Security and Data Protection, vol. 4042 (2025) 17-36.
Kurt, M. N., Yılmaz, Y., & Wang, X. (2020). Secure distributed dynamic state estimation in wide-area smart grids. IEEE Transactions on Information Forensics and Security, 15, 800–815. https://doi.org/10.1109/TIFS.2019.2928207
Kostiuk, Y., Khorolska, K., Bebeshko, B., Dovzhenko, N., Korshun, N., & Pazynin , A. (2025). Instrumental means of ensuring information security against hidden threats in cloud computing infrastructure. Electronic Professional Scientific Journal «Cybersecurity: Education, Science, Technique», 4(28), 633–655. https://doi.org/10.28925/2663-4023.2025.28.857
Li, X., Wen, M., He, S., Lu, R., & Wang, L. (2024). A privacy-preserving federated learning scheme against poisoning attacks in smart grid. IEEE Internet of Things Journal, 11(9), 16805–16816. https://doi.org/10.1109/JIOT.2024.3365142
Younisse, R., & AlKasassbeh, M. (2024). SGID: A semi-synthetic dataset for injection attacks in smart grid systems. In 2024 15th International Conference on Information and Communication Systems (ICICS), pp. 1–4. https://doi.org/10.1109/ICICS63486.2024.10638278
Y. Kostiuk, et al., Intelligent System for Simulation Modeling and Research of Information Objects, in: 1st Workshop Software Engineering and Semantic Technologies (SEST 2025), vol. 4053 (2025) 237-251.
Johncy, G., & Shaji, R. S. (2024). Secure smart grid implementation with automatic data integrity attack location prediction and exalted energy theft detection. Connection Science, 36(1). https://doi.org/10.1080/09540091.2024.2403393
Kostiuk, Y., Skladannyi, P., Sokolov, V., Hulak, H., & Korshun, N. (2025). Models and algorithms for analyzing information risks during the security audit of personal data information system. In Proceedings of the Third International Conference on Cyber Hygiene & Conflict Management in Global Information Networks (CH&CMiGIN’24), Vol. 3925, pp. 155–171.
An, D., Yang, Q., Liu, W., & Zhang, Y. (2019). Defending against data integrity attacks in smart grid: A deep reinforcement learning-based approach. IEEE Access, 7, 110835–110845. https://doi.org/10.1109/ACCESS.2019.2933020
Kostiuk, Y., Skladannyi, P., Korshun, N., Bebeshko, B., & Khorolska, K. (2024). Integrated protection strategies and adaptive resource distribution for secure video streaming over a Bluetooth network. in: Cybersecurity Providing in Information and Telecommunication Systems II, Vol. 3826, рр.129–138.
Vincent, E., Korki, M., Seyedmahmoudian, M., Stojcevski, A., & Mekhilef, S. (2024). Reinforcement learning-empowered graph convolutional network framework for data integrity attack detection in cyber-physical systems. CSEE Journal of Power and Energy Systems, 10(2), 797–806. https://doi.org/10.17775/CSEEJPES.2023.01250
Kostiuk, Y., Skladannyi, P., Samoilenko, Y., Khorolska, K., Bebeshko, B., & Sokolov, V. (2025). A system for assessing the interdependencies of information system agents in information security risk management using cognitive maps. In Cyber Hygiene & Conflict Management in Global Information Networks, Vol. 3925, pp. 249–264.
Kang, T., Liu, K., Ye, X., Bai, M., Gao, M., & Zhang, W. (2019). Joint modeling and risk simulation analysis based on cyber-physical system in distribution network. In 2019 IEEE 8th International Conference on Advanced Power System Automation and Protection (APAP) (pp. 1754–1758). https://doi.org/10.1109/APAP47170.2019.9224788
Ghiasi, M., Niknam, T., Wang, Z., Mehrandezh, M., Dehghani, M., & Ghadimi, N. (2023). A comprehensive review of cyber-attacks and defense mechanisms for improving security in smart grid energy systems: Past, present and future. Electric Power Systems Research, 215, 108975. https://doi.org/10.1016/j.epsr.2022.108975
Dovzhenko, N., Ivanichenko, Y., & Kostiuk, Y. (2025). Graph-based methodology for detection and localization of cyber threats in cloud environments with integrated iot components. Electronic Professional Scientific Journal «Cybersecurity: Education, Science, Technique», 1(29), 762–776. https://doi.org/10.28925/2663-4023.2025.29.938
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Юлія Костюк, Павло Складанний, Світлана Рзаєва, Юлія Самойленко, Наталія Коршун
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
