Así es como los agentes de IA pueden proteger a los cargadores de vehículos eléctricos

El número de los vehículos eléctricos en las carreteras de todo el mundo siguen creciendo. El auge de la adopción de vehículos eléctricos ha impulsado el desarrollo de una infraestructura de carga accesible, rápida y eficiente.

Sin embargo, esta expansión también comporta nuevos riesgos de ciberseguridad que no han sido ampliamente estudiados y para los que todavía existen pocas soluciones viables.

Cristina Alcaraz, investigadora de infraestructuras y seguridad de la Universidad de Málaga, explica que la responsabilidad de las estaciones de recarga de vehículos eléctricos se debe a que integran múltiples componentes físicos y digitales. Dice que esta arquitectura compleja no sólo hace que los cargadores funcionen de forma eficiente, sino que también presenta una serie de vulnerabilidades de seguridad nuevas y de gran alcance. La exposición de los cargadores a los ataques compromete tanto la adopción continuada de los vehículos eléctricos como la estabilidad de las redes eléctricas en los países en los que 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 desarrollar agentes de IA para proteger la infraestructura. Estos agentes están diseñados para prevenir ciberataques de diferentes vectores, que van desde el fraude o el robo de energía por parte de actores maliciosos que utilizan las estaciones de carga hasta mayores ataques que podrían dañar redes de energía crítica.

La propuesta del equipo pretende garantizar la detección precoz y fiable de anomalías y ataques en las redes de carga mediante el protocolo Open Charge Point. El estándar OCCP es uno de los más utilizados para el funcionamiento y gestión de cargadores de vehículos eléctricos. El protocolo permite que una red de estaciones de recarga se comunique con un sistema centralizado que puede gestionar, supervisar y coordinar todas las transacciones energéticas realizadas por los usuarios finales.

El sistema central gestiona un montón de cosas de forma remota como la autenticación de usuarios, la gestión de la carga eléctrica en cada estación, el seguimiento del consumo global de electricidad y el diagnóstico técnico. 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 monitorización actuales basados ​​en este protocolo normalmente sólo se centran en el tráfico de la red o los eventos locales, por lo que sólo pueden ofrecer una visión limitada de lo que está ocurriendo en toda una región de infraestructura. Los investigadores dicen que esta limitación dificulta identificar dónde del sistema se produce una anomalía, qué componentes de la red están comprometidos, el alcance de cualquier vulnerabilidad y los modos en los que se podría propagar un ataque potencial.

Llame al IA

Los investigadores proponen un sistema que utiliza a múltiples agentes de IA. Cada estación o componente relevante de la red de carga incorpora a agentes de IA capaces de analizar su entorno, recopilar información y colaborar con otros agentes para construir una visión completa del estado actual de la infraestructura.

"Cada agente evalúa el estado de los cargadores, comunicaciones y dispositivos conectados para detectar anomalías, fallos operativos o posibles incidentes de seguridad", dice Alcaraz. "Estos agentes, que están conectados a un sistema de monitoreo central, comparan la información obtenida localmente con la de las estaciones cercanas, proporcionando una visión colaborativa más completa, precisa y contextualizada de la situación", dice. Alcaraz es también el autor principal del informe.

La obra, publicada en International Journal of Critical Infrastructure Protectionexplica que una de las características más novedosas del sistema es la utilización de un mecanismo de consenso basado en un marco matemático conocido como dinámica de opinión.

Este enfoque imita a los procesos mediante los cuales los humanos intercambian información dentro de sus propias redes sociales para llegar a acuerdos. Cuando se aplica a los modelos informáticos, permite a los agentes de IA compartir observaciones entre ellos y ajustar paulatinamente sus valoraciones para construir una comprensión colectiva de la situación general.