PMU 기반 라인 정전 탐지에 대한 악성 데이터 영향 분석

초록

본 논문은 전력계통에서 사이버 공격자가 전압·전류 측정값에 KCL·KVL을 만족하도록 위조 데이터를 주입함으로써 라인 정전(Outage) 정보를 은폐할 수 있음을 보인다. 위조 데이터는 상태 추정기의 Bad Data Detection을 회피하고, PMU 기반 잔차(residual)를 인위적으로 증가시켜 라인 정전 탐지를 방해한다. 이를 위해 잔차를 최대화하는 최적 공격 벡터를 구하는 이차계획(QP) 모델을 제시하고, IEEE 39‑bus 시스템을 이용해 마스킹 효과를 실증한다.

상세 분석

이 연구는 전통적인 상태 추정과 PMU(Phasor Measurement Unit) 기반 실시간 모니터링이 결합된 현대 전력망에서, 사이버 공격자가 물리적 사고를 은폐하기 위해 악성 데이터를 어떻게 설계할 수 있는지를 정량적으로 분석한다. 핵심 아이디어는 두 가지 물리적 제약을 동시에 만족시키는 위조 데이터를 생성하는 것이다. 첫째, 전력 흐름의 기본 법칙인 Kirchhoff 전류법칙(KCL)과 Kirchhoff 전압법칙(KVL)을 위반하지 않도록 위조 전압·전류 값을 조정한다. 이는 Bad Data Detection(BDD) 알고리즘이 잔차 검증을 통해 비정상 데이터를 탐지하는 메커니즘을 회피하게 만든다. 둘째, 위조 데이터가 포함된 상태 추정 결과에서 특정 라인의 잔차값을 인위적으로 크게 만들어, 라인 정전 감지 알고리즘이 해당 라인을 ‘정전’으로 판단하지 못하도록 만든다.

이를 구현하기 위해 저자들은 다음과 같은 수학적 모델을 수립한다. 먼저, 원래 측정값 (z)와 위조된 측정값 (z’ = z + a) 사이의 관계를 정의하고, 여기서 (a)는 공격 벡터이다. KCL·KVL 제약은 선형 방정식 (H a = 0) 형태로 표현되며, 여기서 (H)는 전력계통의 감도 행렬이다. 다음으로, 라인 (l)의 잔차 (r_l)는 일반적으로 (r_l = |W^{1/2}(z’ - H\hat{x})|) 로 계산되는데, 여기서 (\hat{x})는 위조 데이터를 포함한 상태 추정값, (W)는 가중치 행렬이다. 공격자는 (r_l)를 최대화하는 (a)를 찾고자 하며, 이는 다음과 같은 이차목적함수와 선형 제약조건을 갖는 이차계획(QP) 문제로 변환된다.

\