Современные энергетические сети с распределенной генерацией сталкиваются с растущими рисками кибератак. Стандартные методы безопасности не всегда способны противостоять новым угрозам, что требует разработки интеллектуальных решений. Эксперты РТУ МИРЭА провели масштабный анализ алгоритмов машинного обучения для детектирования аномалий в электроэнергетике.
Комплексный подход к кибербезопасности
Ученые предложили гибридную систему, сочетающую методы Isolation Forest, LOF, k-средних и One-Class SVM. Это позволяет адаптироваться к колебаниям нагрузки и оперативно реагировать на угрозы. Лидером по точности стал алгоритм Isolation Forest, эффективно распознающий резкие изменения, характерные для хакерских вторжений.
Перспективы внедрения технологий
«Isolation Forest обеспечивает рекордную точность обнаружения атак при минимальном количестве ложных тревог, что критично для энергообъектов», — комментирует Сергей Кочергин, эксперт Института кибербезопасности РТУ МИРЭА. Тесты подтвердили, что LOF выявляет микроскопические отклонения, а One-Class SVM эффективен для анализа сложных сценариев.
Разработанная методика закладывает основу для устойчивой инфраструктуры будущего. Ее внедрение укрепит защищенность цифровых энергосистем в условиях глобальной трансформации отрасли.
Источник: naked-science.ru
