现代能源基础设施正成为网络物理系统，物理电力分配与数字通信紧密融合。数字化提升了效率，但也带来网络安全风险。为应对威胁，研究人员开发了一种人工智能（AI）方法，结合网络结构分析和数据跟踪，识别传统系统可能遗漏的复杂攻击。这项研究已发表在《国际全球能源问题杂志》上。

能源基础设施易受高级持续性威胁（APTs）攻击，涉及长期渗透，攻击者悄无声息收集数据或操纵信号。虚假数据注入（FDI）攻击是主要问题，篡改传感器测量值，向操作员提供误导信息。此类变化可能引发能源流动灾难性错误，并瘫痪区域物理燃料供应。这些漏洞常表现为勒索软件攻击，与国际冲突相关的风险也在增加。

检测这些入侵具有挑战性，恶意命令常模仿常规操作活动。传统检测系统使用基于已知威胁的预定义规则，面对新漏洞或不匹配模式的攻击时效果有限。新的AI方法采用结构信息和时间信息来识别攻击。双层深度学习架构基于图神经网络（GNN）映射空间布局，Transformer模型分析数据序列，让AI理解基础设施的物理和动态方面。

测试显示，新AI模型准确率超过93%，并在攻击开始后不到两秒内识别可疑活动。这为电力基础设施提供了近乎实时的保护方式。电网网络攻击的快速检测，有助于提升能源系统的安全性和稳定性。

出版详情：作者：David Bradley, Inderscience；标题：《Grid vibrations: AI detects power supply cyberattacks in less than two seconds》；发表于：《International Journal of Global Energy Issues》(2026)；杂志信息：《International Journal of Global Energy Issues》