La distribución de energía ha evolucionado desde las tradicionales infraestructuras cerradas a la integración de sistemas complejos que constituyen la Smart Grid. Esta red se alimenta de la interconexión masiva de diferentes dispositivos que están constantemente monitorizando el consumo, la disponibilidad energética y la demanda, permitiendo una solución más eficiente y dinámicamente adaptable.

Sin embargo, esta interconexión es a la vez una debilidad cuando se aborda el problema de los ciberataques a estructuras críticas, como ésta. Por lo tanto, es preciso dotar a la Smart Grid de los mecanismos adecuados que puedan detectar potenciales vulnerabilidades de la red y potenciales amenazas en curso. Éste es, precisamente, el objetivo de MAGOS: proporcionar una solución asequible a los operadores energéticos para monitorizar la red y detectar potenciales riesgos. Este gran objetivo se articula en torno a cuatro pilares. (1) Obtención y fusión de datos provenientes de diferentes fuentes abiertas OSITN (medios sociales, blogs especializados, etc.) y de los propios dispositivos de la red (como los contadores inteligentes). (2) Privacidad de los datos de usuarios y de las comunicaciones, anonimizando perfiles para evitar su reconocimiento y filtrado. (3) Escalabilidad del análisis de la información, basado en dos perspectivas complementarias: Big data (centralizada) y Fog Computing (distribuida). (4) Proporcionar un sistema de evaluación de la seguridad en la red a los distribuidores energéticos a partir de los datos analizados.

En este contexto, los objetivos concretos del sub-proyecto de UVIGO se alinean con dos de estos pilares. En primer lugar, la obtención y análisis de los datos:

  • Fusión de datos e interoperabilidad. Diseñar soluciones para la captura e integración de información proveniente de diferentes fuentes como medios sociales (redes sociales, chats, blogs) y de los propios dispositivos conectados a la red con el objetivo de agruparlos según diferentes perspectivas (distribución energética, consumo, mercado, etc.).
  • Detección de irregularidades. A partir de los datos, la solución en MAGOS detectará: (i) irregularidades en las comunicaciones en foros distintos que pueden ser indicio de comportamientos orquestados sospechosos, basado en análisis de lenguaje natural, de la información de localización de las fuentes y de los procesos interactivos en fuentes OSITN; y (ii) irregularidades en patrones de consumo y demanda energética.

En segundo lugar, y en relación con el objetivo tercero, se abordará el problema de la escalabilidad desde una perspectiva distribuida,

  • Fog-oriented approach (nivel de usuario). Los patrones de irregularidad serán analizados a nivel local por los nodos intermedios y extremos de la red, para complementar el análisis centralizado (Big data).
  • Solución basada en acuerdos distribuidos. Los nodos que trabajan en una filosofía Fog Computing han de coordinarse y tomar decisiones de forma colaborativa. Para ello se precisa del diseño de soluciones de consenso distribuidas basadas en métricas de reputación de fuentes.