Quantum Diffusion with Attentive Twin-Stream Sparse Spatiotemporal for Cyberattack Detection in Smart Grids

कल्पना कीजिए कि इलेक्ट्रिकल ग्रिड दुनिया के सबसे जटिल तंत्रिका तंत्र (nervous system) की तरह है। यह अब केवल तारों और टावरों का समूह नहीं रह गया है; यह एक विशाल, बात करने वाला मस्तिष्क है जहाँ सेंसर लगातार वोल्टेज, करंट और प्रवाह के बारे में डेटा फुसफुसाते रहते हैं ताकि रोशनी बनी रहे। लेकिन ठीक एक मानव शरीर की तरह, इस तंत्रिका तंत्र की भी एक कमज़ोर कड़ी है: इसकी डिजिटल आवाज़। हैकर्स इस सिस्टम में झूठ चिल्ला सकते हैं, यह दिखावा करते हुए कि कोई तूफान आ रहा है जबकि मौसम साफ़ है, या यह जताते हुए कि एक पावर लाइन सुरक्षित है जबकि वह टूटने ही वाली है। यह स्मार्ट ग्रिड पर होने वाले साइबर हमलों की डरावनी दुनिया है। लंबे समय तक, वैज्ञानिकों ने इन झूठ बोलने वालों को पकड़ने के लिए "डिटरमिनिस्टिक" (deterministic) तरीकों का उपयोग करने की कोशिश की—जो मूल रूप से कठोर नियमपुस्तिकाएँ हैं जो कहती हैं, "यदि संख्या X जैसी दिखती है, तो यह एक हमला है।" लेकिन समस्या यह है कि हैकर्स रचनात्मक होते हैं, और डेटा अव्यवस्थित होता है। पुरानी नियमपुस्तिकाएँ अक्सर भ्रमित हो जाती हैं, सूक्ष्म चालों को पकड़ नहीं पातीं, या सूचना की भारी मात्रा से घबरा जाती हैं। हमें एक ऐसे जासूस की आवश्यकता है जो केवल नियमों को न पढ़े, बल्कि डेटा के "अहसास" को समझे, उन पैटर्नों को पहचान सके जो अराजकता जैसे दिखते हैं लेकिन वास्तव में एक समन्वित झूठ होते हैं।

यहीं पर नया शोध आता है, जो एक ऐसे जासूस का प्रस्ताव देता है जो मामले को सुलझाने के लिए क्वांटम भौतिकी के अजीब, लहरदार नियमों का उपयोग करता है। पर्ड्यू यूनिवर्सिटी नॉर्थवेस्ट के इशिका अधिकारी, मोहसेन सफारी और अराश असरी ने STQD (स्पैटियोटेम्पोरल क्वांटम-आधारित डीप डिफ्यूजन) नामक एक प्रणाली बनाई है। इसे एक हाई-टेक सुरक्षा गार्ड के रूप में समझें जो ग्रिड के केवल एक एकल स्नैपशॉट को नहीं देखता, बल्कि यह देखता है कि समय और स्थान के माध्यम से डेटा कैसे चलता है। उन्होंने महसूस किया कि पुराने तरीके एक समय में एक टुकड़े को देखकर पहेली सुलझाने जैसे थे, जिससे वे बड़ी तस्वीर को देखने में चूक जाते थे। उनका नया सिस्टम, हालांकि, एक "ट्विन-स्ट्रीम" (twin-stream) दृष्टिकोण का उपयोग करता है, जो ग्रिड के स्थानिक लेआउट (कौन सा तार किससे जुड़ा है) और इसके समय के प्रवाह (सेकंड-दर-सेकंड संख्याएँ कैसे बदलती हैं) को एक साथ देखता है। फिर, यह इस जटिल फिल्म को एक छोटे, संकुचित "क्वांटम गुप्त कोड" में सिकोड़ देता है।

यहाँ जादू का कमाल है: उस कोड को एक एकल, कठोर उत्तर में फ्रीज करने के बजाय, वे एक क्वांटम डिफ्यूजन मॉडल का उपयोग करते हैं। कल्पना कीजिए कि आपके पास किसी अपराधी की एक स्पष्ट फोटो है, लेकिन किसी ने उस पर इतनी धुंध (शोर/noise) छिड़क दी है कि वह अपरिचित हो गई है। एक सामान्य कंप्यूटर केवल अनुमान लगा सकता है। लेकिन यह क्वांटम सिस्टम उल्टा खेलने के लिए प्रशिक्षित है: यह सीखता है कि उस धुंधली, अव्यवस्थित फोटो से धीरे-धीरे, चरण-दर-चरण, धुंध को कैसे हटाया जाए जब तक कि हमले या "सामान्य दिन" की स्पष्ट छवि फिर से प्रकट न हो जाए। ऐसा करके, यह प्रणाली क्वांटम स्तर पर सीखती है कि एक हमले का स्वरूप क्या होने की संभावना है, न कि केवल एक विशिष्ट उदाहरण को रटती है। अंत में, एक क्वांटम सपोर्ट वेक्टर मशीन एक न्यायाधीश के रूप में कार्य करती है, जो इन साफ की गई क्वांटम छवियों को देखती है और निर्णय लेती है, "हाँ, यह एक हैकर है," या "नहीं, यह केवल तार पर एक गिलहरी है।"

शोधकर्ताओं ने इस बुद्धिमान नए सिस्टम का परीक्षण दो बहुत अलग वास्तविक दुनिया के डेटासेट पर किया: एक सिम्युलेटेड पावर ट्रांसमिशन नेटवर्क (MSU-ORNL) से और दूसरा एक डिजिटल सबस्टेशन (SDS) से। परिणाम प्रभावशाली थे। ट्रांसमिशन नेटवर्क पर, सिस्टम ने हमलों और सामान्य घटनाओं की लगभग 95% बार सही पहचान की। अधिक जटिल सबस्टेशन डेटासेट पर, जिसमें साइबर-हमलों और भौतिक गड़बड़ियों सहित दस अलग-अलग प्रकार के परिदृश्य शामिल थे, इसने 90% की सफलता दर बनाए रखी। यह महत्वपूर्ण है क्योंकि अधिकांश अन्य सिस्टम संघर्ष करते हैं जब डेटा इस तरह अव्यवस्थित हो जाता है या जब ग्रिड का वातावरण बदल जाता है। यह पेपर सुझाव देता है कि एक स्मार्ट "ट्विन-स्ट्रीम" अटेंशन मैकेनिज्म के साथ इस क्वांटम "डीनॉइजिंग" प्रक्रिया को जोड़कर, हम एक ऐसी सुरक्षा प्रणाली बना सकते हैं जिसे धोखा देना वर्तमान पीढ़ी के डिटेक्टरों की तुलना में बहुत कठिन है। यह केवल अतीत को याद नहीं रखता; यह सत्य के अंतर्निहित आकार को सीखता है, जिससे यह उन नए, अनदेखे पैंतरेबाज़ियों को पहचानने के लिए तैयार हो जाता है जिनका अभी तक आविष्कार भी नहीं हुआ है।