El número de vehículos eléctricos en circulación en el ámbito global se mantiene en crecimiento. La tendencia ha impulsado el desarrollo de infraestructuras de recarga cada vez más accesibles, rápidas y eficientes, basadas en muchos casos en los principios del internet de las cosas. Sin embargo, esta expansión también trae consigo nuevos riesgos cibernéticos que han sido poco estudiados y para los cuales todavía existen escasas soluciones viables.
Cristina Alcaraz, profesora de la Escuela de Ingeniería Informática de la Universidad de Málaga (UMA), explica que las estaciones de recarga para vehículos eléctricos integran múltiples componentes físicos y digitales. A su juicio, esta compleja arquitectura no solo garantiza un funcionamiento adecuado y eficiente, sino que también favorece la aparición de nuevas vulnerabilidades de seguridad de amplio alcance que podrían comprometer tanto la rentabilidad de esta modalidad de transporte como la estabilidad de las redes eléctricas de los países donde operan estas instalaciones. ¿Cuántos cargadores eléctricos necesita México en sus calles para dar el salto a la automoción eléctrica?
Adoptar la automoción eléctrica en México no solo requiere una caída en los precios de los vehículos; garantizar la infraestructura de carga es ahora el gran reto. Con el objetivo de afrontar esta amenaza, investigadores del NICS Lab de la UMA desarrollaron un innovador sistema basado en agentes de inteligencia artificial (IA), diseñado para prevenir ataques informáticos con distintos propósitos, que van desde el fraude o el robo de energía por parte de usuarios finales hasta acciones capaces de provocar daños o interferencias en infraestructuras energéticas consideradas críticas. La propuesta busca garantizar la detección temprana y fiable de anomalías y ciberataques en redes de recarga basadas en el protocolo Open Charge Point Protocol (OCPP).
Este estándar es uno de los más utilizados para la operación y gestión de infraestructuras de carga para vehículos eléctricos. Su función es permitir que una red de estaciones de recarga se comunique con un sistema centralizado desde el cual es posible administrar, supervisar y coordinar todas las transacciones energéticas realizadas por los usuarios. De esta forma, el sistema central proporciona una amplia variedad de servicios remotos, entre ellos la autenticación y autorización de usuarios, la gestión de reservas de carga, el monitoreo del consumo eléctrico mediante sistemas de medición, la ejecución de diagnósticos técnicos y la configuración dinámica de las estaciones.
Estas capacidades facilitan el control de la infraestructura en tiempo real y permiten reaccionar con rapidez ante cualquier comportamiento anócomplejo. No obstante, los autores del reciente estudio señalan que los mecanismos actuales de monitoreo basados en este protocolo suelen centrarse únicamente en el tráfico de red o en eventos locales, por lo que ofrecen una visión limitada de lo que ocurre en el conjunto de la infraestructura. Según explican, esta condición dificulta identificar dónde se está produciendo una anomalía, qué componentes de la red se encuentran comprometidos, cuál es el alcance de una vulnerabilidad y cómo podría propagarse un posible ataque.
Un sistema de IA para blindar los sistemas de recarga de autos eléctricosPor ello, la propuesta se sustenta en una arquitectura multiagente en la que cada estación o componente relevante incorpora agentes inteligentes capaces de analizar su entorno, recopilar información y colaborar con otros agentes para construir una visión integral del estado de la infraestructura. “Cada agente evalúa el estado de los cargadores, las comunicaciones y los dispositivos conectados con el objetivo de detectar anomalías, fallos operativos o posibles incidentes de seguridad. Además, estos agentes, que están conectados a un sistema central de supervisión, contrastan la información obtenida localmente con la de estaciones cercanas, proporcionando una visión colaborativa más completa, precisa y contextualizada de la situación”, explicó Alcaraz, quien también es autora principal del artículo.
El trabajo, publicado en la revista International Journal of Critical Infrastructure Protection, explica que una de las características más destacadas del sistema es la incorporación de un mecanismo de consenso basado en modelos de dinámica de opiniones. Este enfoque, inspirado en los procesos a través de los cuales los seres humanos intercambian información para alcanzar acuerdos, permite que los agentes de IA compartan observaciones y ajusten gradualmente sus evaluaciones con el propósito de construir una percepción colectiva del estado general de la infraestructura. De acuerdo con los autores, este procedimiento reduce el riesgo de falsos positivos, permite contrastar diagnósticos individuales, identificar discrepancias entre nodos y detectar anomalías que podrían pasar inadvertidas si se analizaran únicamente desde una perspectiva local.
La arquitectura propuesta también incorpora tecnología blockchain como mecanismo de confianza y validación. De esta manera, todas las operaciones realizadas por los agentes quedan registradas en un libro distribuido que no puede ser alterado posteriormente, garantizando la integridad y trazabilidad de la información. El sistema multiagente fue puesto a prueba por los investigadores en un entorno simulado de una infraestructura de recarga compatible con OCPP.
Durante los experimentos, los agentes fueron expuestos a diversos escenarios de anomalías dentro de la red de carga, incluyendo fallas en componentes específicos, errores en enlaces de comunicación y situaciones que requerían una respuesta coordinada entre distintos elementos de la infraestructura para detectar posibles vulnerabilidades. En todos los casos, las inteligencias artificiales debían identificar alteraciones locales, compartir sus observaciones con otros nodos y colaborar en la construcción de una visión conjunta del incidente.
De acuerdo con información difundida por : WIRED
📝 ¡Gracias por tu lectura!
Tu feedback no solo mejora el contenido, sino que también inspira a otros lectores.
📝 ¡Gracias por tu lectura!
Tu feedback no solo mejora el contenido, sino que también inspira a otros lectores.