技術要約：IoTベースのスマートグリッドシステムのためのインテリジェントなサイバーセキュリティ・フレームワーク

1. 問題提起

現代のスマートグリッドは、学習された異常検知器によって監視される、ネットワーク化された膨大な数のセンシングデバイス（スマートメーター、フェーザ計測ユニット、プロセスセンサー）に依存している。これらの検知器は、攻撃のないテレメトリデータを用いて学習され、正常な動作からの逸脱を特定する。しかし、これらのデバイスの物理的な露出とリモート更新の可能性により、それらは侵害に対して脆弱である。

対処すべき核心的な問題は、標準的な学習済み検知器が、単一のマッピングを通じて測定ベクトル全体を処理してしまうことである。その結果、少数のノード（「数個のスマートメーター、リレー、またはプロセスセンサー」）を制御する攻撃者は、システムの状態推定を操作し、実際の物理的事象を隠蔽し、オペレーターの信頼を損なうために誤報を誘発し、あるいは検知されることなく偽データを注入することができる。既存のセキュリティ対策（認証、アクセス制御）は、侵入コストを上げるが、有効な資格情報を持つ侵害されたノードが任意のデータを報告することを防ぐことはできない。現在の検知器には、このようなノードの侵害に対する形式的な許容性が欠けており、単一の侵害された座標が検知器の出力を偏らせることがある。

2. 手法：TALLYフレームワーク

本論文は、許容可能な侵害ノードの数（$k$）を数学的な保証を持つ設計パラメータとする、3層の検知フレームワークであるTALLYを提案している。このフレームワークは、「単一のノードは信頼されない」という原則、および「整合性はノード間の相互関係から導かれる」という原則に基づいて動作する。

2.1 アーキテクチャ

1. ノード層（Node Layer）： 信頼できないセンシングノードがデータを報告する。
2. 整合性層（Consistency Layer）：
   • ブロック設計（Block Design）： すべてのチャネル $c$ について、残りの $N-1$ 個のノードは、サイズ $m$ の固定されたブロックに分割される。
   • アンサンブル予測（Ensemble Prediction）： 各チャネルは、小さな予測器のアンサンブルによってスコアリングされる。各予測器は、現在のチャネルの値を予測するために、他のノードの1つのブロックを読み取る。さらに、予測器はチャネル自身の過去の値も使用する。
   • 順序統計量サンドイッチ（Order Statistic Sandwich）： アンサンブルメンバーの残差はソートされる。「クロスエビデンス（相互証拠）」は、これら残差の中央値（または特定の順序統計量）として定義される。
   • 堅牢性メカニズム（Robustness Mechanism）： ブロックがノードを分割しているため、侵害されたノードは、いかなる正直なチャネルに対しても、アンサンブルの最大でも1つのメンバーを汚染することしかできない。本論文では、中央値（またはガードされた順序統計量）が、正直な2つの順序統計量の間に確実に挟まれることを証明しており、これにより侵害されたノードの影響を制限している。
3. 決定層（Decision Layer）：
   • ガード付き閾値（Guarded Thresholds）： 閾値は、分割コンフォーマル予測（split conformal prediction）を用い、特定の「ガード付きランク」（$k$ に応じて調整されたもの）において、攻撃のないデータを用いて較正される。
   • クォーラム（Quorum）： システムアラームは、クォーラム（$q > k$）のノードが異常としてフラグを立てられた場合にのみトリガーされる。
   • 認証（Certification）： ウィンドウごとの証明書が生成される。もし「悲観的ランク」（$k$ 個の潜在的な侵害ノードの除去を考慮したもの）においてフラグが立てられたノードの数が $q + k$ を超えた場合、そのアラームは $k$ 個の侵害に耐えうると認証される。

2.2 理論的保証

• 正直なエビデンス境界（Honest Evidence Bound）： 定理1は、いかなる $k$ 個のノードの侵害下においても、正直なチャネルのエビデンスが特定の正直な順序統計量によって制限されることを証明している。これにより、正直なノードの誤報率が制御されることが保証される。
• 認証された堅牢性（Certified Robustness）： 定理2は、認証されたアラームが発せられた場合、いかなる $k$ 個の侵害されたノードの集合も、それを沈黙させることはできないことを確立している。
• 許容限界（Tolerance Limit）： 命題1は、ブロックサイズ $m$ と総ノード数 $N$ に基づく、最大許容可能な $k$ を定義する。ブロックサイズを半分にすると、許容度は2倍になるが、個々のアンサンブルメンバーの予測力は低下する。

3. 実験設定

本フレームワークは、実データおよびシミュレーションデータを用いた3つの異なるデプロイメントで評価された。

1. HAI（Hardware-in-the-Loop）： 電力生成テストベッド（ボイラー、タービン、水ループ）で、57個のタグを備える。攻撃には、セットポイント操作やコントローラーの改ざんが含まれる。
2. Morris： 4つのフェーザ計測リレーとログデータを持つ送電テストベッド。
3. Feeder： 実顧客需要データによって駆動されるIEEE 33バス配電フィーダー。IoTボットネットによる協調的な負荷サージをシミュレートする。

ベースライン： TALLYは、結合検知器（オートエンコーダ、結合予測器、マハラノビス距離、アイソレーションフォレスト）およびTALLYのアブレーション版（クロスバンドのみ、セルフバンドのみ、線形メンバー）と比較された。
攻撃： ホワイトボックス・グラディエント攻撃、グラディエントフリー探索攻撃、および抑制（事象の隠蔽）、誘導（誤報の捏造）、および偽データ注入に対するノーミナル値攻撃を用いて評価を行った。

4. 主な結果

4.1 クリーンな検知と許容度のトレードオフ

• HAI（発電）： 許容度はコストを伴う。「フルブロック」予測器（許容度なし）は0.961のAUROCを達成した。4つの侵害されたタグを許容するTALLYは、0.915を達成した。このコストは、各アンサンブルメンバーが利用できるコンテキストが減少することに起因する。
• Feeder（配電）： 許容度は無料、あるいは有益である。5つの侵害されたメーターを許容するTALLYは、0.941のAUROCを達成し、フルブロック予測器（0.937）を上回った。この文脈では、クロスノード予測はセルフヒストリー予測よりも堅牢である。
• Morris（リレー）： すべての検知器（TALLYを含む）は、データセットの性質（リプレイされた故障および時間的順序の欠如）により、チャンスレベル（AUROC ~0.5）で動作した。これはネガティブコントロールとして機能している。

4.2 侵害に対する堅牢性

• 誘導（誤報）： 標準的な結合検知器およびフルブロック予測器は、侵害下で壊滅的に失敗した。わずか1つのノードが侵害されるだけで、これらによる良質なデータに対する誤報率は1.0（100%）に達した。TALLYは、HAIにおける$k=1$の場合の0.043のように、内部者攻撃下でも低い誤報率を維持した。
• 抑制（隠蔽攻撃）： TALLYの検知率は $k$ が増加するにつれて低下したが、機能は維持された。極めて重要な点として、いかなる攻撃においても、認証されたアラームが削除されることは一度もなかった。これは定理2を検証している。
• 偽データ注入： TALLYは、異常を侵害されたノードに正常に帰属させた。Feederのシナリオでは、1標準偏差のバイアスを持つメーターが最初にランク付けされ、92%のウィンドウでフラグが立てられた一方で、システムアラーム率は低く抑えられた。結合検知器は、単一のノードが嘘をついた際に、正直なノードをフラグ立てしたり、システム全体の警告を発したりすることが多かった。

5. 重要性と主張

本論文は、以下の貢献と重要性を主張している：

• 許容度の形式化： 本研究は、学習された異常検知において、許容可能な侵害ノードの数を数学的証明を伴う設計パラメータとして扱う初めてのフレームワークであり、標準的なモデルの「全か無か」の信頼を超越している。
• 認証された堅牢性： ヒューリスティックな防御とは異なり、TALLYは、アラームが $k$ 個の侵害下でも生存することを保証する、ウィンドウごとの証明書を提供する。
• 物理への適応性： 実験結果は、「許容度の代償」がシステムの物理的な結合度に依存することを実証している。ノードが強く結合されているシステム（配電フィーダーのような）では、許容度は検知力を犠牲にすることなく堅牢性を向上させる。自己相関が支配的なシステム（発電テストベッドのような）では、許容度は検知コストを伴う。
• 帰属（Attribution）： フレームワークはフラグ立てメカニズムを通じて侵害されたノードを自然に特定し、「正直なノードが不当に非難される」という責任転嫁を防ぐ。

著者らは、標準的な検知器は単一の侵害ノードに対して脆弱であるが、TALLYは、セキュリティレベルが調整可能なパラメータとして提供される、証明可能な堅牢性を持つ代替案であることを結論付けている。これは、多様なスマートグリッドのシナリオを通じて検証されている。