Digitale Stromzähler: Anomalien erkennen und Manipulation nachweisen

Doktorarbeit an der der Frankfurt University of Applied Sciences über Sicherheit digitaler Stromzähler

[datensicherheit.de, 26.03.2021] „Der Erfolg der erneuerbaren Energien treibt den Wandel des Stromnetzes von einer zentral gesteuerten, zu einer intelligenten, dezentralen Stromversorgung an. Aber mit zunehmender Vernetzung werden Stromnetz-Komponenten anfälliger für Cyber-Angriffe, Betrug und Softwarefehler“, heißt es in einer Meldung der Frankfurt University of Applied Sciences (Frankfurt UAS) von Mitte März 2021. An diesem Punkt habe Denis Hock mit seiner Doktorarbeit angesetzt, welche sich demnach mit der Sicherheit digitaler Stromzähler befasst. Sein Promotionsvorhaben sei gemeinsam von der Plymouth University (England) und der Frankfurt UAS betreut worden.

Foto: Frankfurt UAS, Friederike Mannig

Dr. Denis Hock: Promotion zur Sicherheit digitaler Stromzähler

Digitale Stromzähler anfällig für Hard- und Softwarefehler

„Viele aktuelle Forschungsarbeiten konzentrieren sich auf traditionelle Informations-Sicherheitslösungen, zum Beispiel Verschlüsselung. Aber Informationssicherheit kann nicht die gesamte Palette der IT-Bedrohungen abdecken, da digitale Stromzähler anfällig für Hard- und Softwarefehler sein können“, so Prof. Dr. Martin Kappes, Leiter der Forschungsgruppe für „Netzwerksicherheit, Informationssicherheit und Datenschutz“ an der Frankfurt UAS, zu dem innovativen Ansatz seines Doktoranden.
Mittels der Digitalisierung von Stromzählern seien viele bereits gelöste Sicherheitsprobleme, wie „Stromdiebstahl“, als IT-Herausforderungen wiederbelebt worden. „Diese Bedrohungen erfordern moderne Erkennungsschemata, die auf Datenanalyse, Maschinellem Lernen und statistischen Prognosen basieren“, erläutert Dr. Hock. Die aktuellen Fortschritte auf den Gebieten der Künstlichen Intelligenz (KI) und dem Maschinellen Lernen führten zu verstärktem Interesse an neuen Konzepten zum Analysieren und Überwachen von Smart-Meter-Daten.

Anomalie-Erkennungsansätze zur Früherkennung manipulierter Stromzähler

Anomalie-Erkennungssysteme seien eines dieser Konzepte. Sie entdeckten Manipulation durch die Analyse statistischer Abweichungen von einem definierten normalen Verhalten und würden als geeignete Technik zur Aufdeckung noch unbekannter Missbrauchsmuster akzeptiert.
In Dr. Hocks Arbeit würden 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.“ Diese Arbeit trage zum Verständnis wesentlicher Merkmale des Normalverhaltens von Haushalten im Niederspannungsnetz bei und zeige, wie sich Manipulationen, insbesondere zum Zweck von Energiediebstahl, nachweisen ließen.

Weitere Informationen zum Thema:

ResearchGate
Denis Hock

FRANKFURT UNIVERSITY OF APPLIED SCIENCES
Forschungsgruppe für Netzwerksicherheit, Informationssicherheit und Datenschutz

FRANKFURT UNIVERSITY OF APPLIED SCIENCES
Frankfurt am Main Doctoral Node

datensicherheit.de, 03.07.2012
Verbraucher- und Datenschützer warnen vor Risiken der neuen, intelligenten Stromzähler