Vibrations du réseau : l'IA détecte les cyberattaques contre l'alimentation électrique en moins de deux secondes
infohightech ·
L'infrastructure énergétique moderne est de plus en plus définie comme un système cyberphysique où la distribution physique d'énergie et la communication numérique sont étroitement liées. Si cette numérisation accroît l'efficacité, elle expose les réseaux électriques à des risques de cybersécurité sophistiqués. Pour contrer ces menaces, des chercheurs ont développé une méthode d'intelligence artificielle (IA) qui intègre l'analyse de la structure du réseau et le suivi des données afin d'identifier les attaques complexes que les systèmes de sécurité conventionnels pourraient ne pas détecter. Les détails de cette étude sont publiés dans l' International Journal of Global Energy Issues .
Les infrastructures énergétiques sont vulnérables aux menaces persistantes avancées (APT: Advanced Persistent Threats). Contrairement aux incidents localisés, les APT impliquent une infiltration à long terme, au cours de laquelle les attaquants collectent discrètement des données ou manipulent les signaux opérationnels. L'une des principales menaces est l' injection de fausses données (FDI: False Data Injection), qui consiste à altérer les mesures des capteurs afin de fournir aux opérateurs des informations trompeuses. De telles modifications peuvent entraîner des erreurs catastrophiques dans les flux énergétiques et paralyser l'approvisionnement physique en carburant dans des régions entières. Ces vulnérabilités se manifestent par des attaques de type ransomware, mais les risques associés aux conflits internationaux sont de plus en plus importants.
Détecter ces intrusions est difficile car les commandes malveillantes imitent souvent les activités opérationnelles courantes. Les systèmes de détection traditionnels utilisent des « signatures », des règles prédéfinies basées sur des menaces passées connues. Cette approche est généralement inefficace face aux nouvelles vulnérabilités « zero-day » ou aux attaques qui ne correspondent à aucun schéma existant.
Cette nouvelle approche d'IA exploite deux types d'informations distincts : les informations structurelles (l'agencement physique et numérique des dispositifs et des centres de contrôle) et les informations temporelles (la séquence chronologique des commandes et des signaux) pour identifier une attaque en cours.
L'architecture d'apprentissage profond à deux niveaux repose sur un réseau neuronal graphique (GNN) qui cartographie l'agencement spatial du système, et un modèle Transformer qui analyse les séquences de données au fil du temps. Le premier fournit à l'IA une représentation des aspects physiques de l'infrastructure, tandis que le second lui permet de comprendre son évolution temporelle. Un tel système de détection spatio-temporelle par IA peut identifier des attaques coordonnées et multi-étapes qui semblent inoffensives lorsqu'elles sont considérées isolément.
Des tests réalisés avec des jeux de données standard de cybersécurité ont démontré que le nouveau modèle d'IA affiche une précision supérieure à 93 %. Point crucial, il identifie les activités suspectes en moins de deux secondes après leur apparition. Selon cette étude, cela offre une solution viable pour la protection quasi-temps réel des infrastructures électriques.
https://techxplore.com/news/2026-03-grid-vibrations-ai-power-cyberattacks.html