Anomalien erkennen und Manipulation nachweisen

04.05.2021 – Die Sicherheit von digitalen Stromzählern steht im Fokus der Dissertation von Dr. Dennis Hock. Sein Promotionsvorhaben wurde gemeinsam von der Plymouth University (England) und der Frankfurt University of Applied Sciences (Frankfurt UAS) betreut.

„Mit der Digitalisierung von Stromzählern wurden viele bereits gelöste Sicherheitsprobleme, wie Stromdiebstahl, als IT-Herausforderungen wiederbelebt. Diese Bedrohungen erfordern moderne Erkennungsschemata, die auf Datenanalyse, maschinellem Lernen und statistischen Prognosen basieren“, erläutert der Wissenschaftler. Er nutzt die aktuellen Fortschritte auf den Gebieten der Künstlichen Intelligenz und dem maschinellen Lernen für neue Konzepte zur Analyse und Überwachung von Smart-Meter-Daten.

Anomalie-Erkennung

In Hocks Arbeit werden Anomalie-Erkennungsansätze unter Verwendung der Stromzählerdaten zur Früherkennung von manipulierten Stromzählern vorgeschlagen. Insbesondere werden Algorithmen, die auf Zeitreihenvorhersagen basieren, implementiert und unter Verwendung verschiedener Parameter bewertet, verfügbare Daten diskutiert und potenzielle Metriken eingeführt. Die Arbeit trägt zum Verständnis wesentlicher Merkmale des Normalverhaltens von Haushalten im Niederspannungsnetz bei und zeigt wie sich Manipulationen, insbesondere zum Zweck von Energiediebstahl, nachweisen lassen. „Viele aktuelle Forschungsarbeiten konzentrieren sich auf traditionelle Informationssicherheitslösungen, zum Bespiel Verschlüsselung. Aber Informationssicherheit kann nicht die gesamte Palette der IT-Bedrohungen abdecken, da digitale Stromzähler anfällig für Hard- und Softwarefehler sein können“, erklärt Prof. Dr. Martin Kappes, Leiter der Forschungsgruppe für Netzwerksicherheit, Informationssicherheit und Datenschutz an der Frankfurt UAS, den innovativen Ansatz seines Doktoranden. (pq)

www.fg-itsec.de

Share