AI Agent Lindungi Stasiun Pengisian EV dari Serangan Siber

Telset.id – Para peneliti dari University of Malaga, Spanyol, mengembangkan sistem keamanan siber inovatif untuk stasiun pengisian kendaraan listrik (EV) menggunakan agen kecerdasan buatan (AI). Sistem multi-agen ini dirancang untuk mendeteksi anomali dan mencegah serangan siber yang dapat mengancam stabilitas jaringan listrik.

Ekspansi infrastruktur pengisian EV yang pesat membawa risiko keamanan siber baru yang belum banyak diteliti. Cristina Alcaraz, peneliti keamanan infrastruktur di University of Malaga, menjelaskan bahwa kerentanan stasiun pengisian EV terletak pada integrasi berbagai komponen fisik dan digital. Arsitektur kompleks ini, menurutnya, tidak hanya menjaga efisiensi pengisi daya tetapi juga menghadirkan celah keamanan yang luas.

Paparan stasiun pengisian terhadap serangan dapat mengompromikan adopsi EV dan stabilitas jaringan listrik. Untuk mengatasi ancaman ini, laboratorium NICS di University of Malaga mengajukan proposal inovatif dengan menerapkan agen AI. Agen-agen ini dirancang untuk mencegah serangan siber dari berbagai vektor, mulai dari penipuan atau pencurian energi oleh aktor jahat hingga serangan besar yang dapat merusak jaringan energi kritis.

Mekanisme Deteksi dengan Protokol OCPP

Proposal tim peneliti bertujuan memastikan deteksi dini anomali dan serangan pada jaringan pengisian menggunakan Open Charge Point Protocol (OCPP). Standar OCPP adalah salah satu protokol yang paling banyak digunakan untuk pengoperasian dan manajemen pengisi daya EV. Protokol ini memungkinkan jaringan stasiun pengisian berkomunikasi dengan sistem terpusat yang dapat mengelola, memantau, dan mengoordinasikan semua transaksi energi.

Sistem terpusat menangani berbagai hal secara jarak jauh, termasuk otentikasi pengguna, manajemen beban listrik di setiap stasiun, pemantauan konsumsi listrik keseluruhan, dan diagnostik teknis. Kemampuan ini memungkinkan kontrol infrastruktur secara real-time dan membantu operator mengidentifikasi serta merespons perilaku anomali dengan cepat. Namun, penulis studi baru menunjukkan bahwa mekanisme pemantauan saat ini yang berbasis protokol ini biasanya hanya berfokus pada lalu lintas jaringan atau peristiwa lokal, sehingga hanya memberikan pandangan terbatas tentang apa yang terjadi di seluruh wilayah infrastruktur.

Keterbatasan ini membuat sulit untuk mengidentifikasi di mana dalam sistem anomali terjadi, komponen jaringan mana yang dikompromikan, tingkat kerentanan, dan bagaimana potensi serangan dapat menyebar. Untuk mengatasi hal ini, para peneliti mengusulkan sistem yang menggunakan beberapa agen AI. Setiap stasiun atau komponen relevan dari jaringan pengisian menggabungkan agen AI yang mampu menganalisis lingkungan mereka, mengumpulkan informasi, dan berkolaborasi dengan agen lain untuk membangun pandangan komprehensif tentang keadaan infrastruktur saat ini.

Mekanisme Konsensus dan Blockchain

Alcaraz, yang juga menjadi penulis utama laporan, menjelaskan bahwa setiap agen menilai status pengisi daya, komunikasi, dan perangkat yang terhubung untuk mendeteksi anomali, kegagalan operasional, atau potensi insiden keamanan. Agen-agen ini, yang terhubung ke sistem pemantauan pusat, membandingkan informasi yang diperoleh secara lokal dengan stasiun terdekat, memberikan pandangan kolaboratif yang lebih lengkap, akurat, dan kontekstual tentang situasi.

Karya yang diterbitkan dalam International Journal of Critical Infrastructure Protection ini menjelaskan bahwa salah satu fitur paling baru dari sistem ini adalah penggunaan mekanisme konsensus berdasarkan kerangka matematika yang dikenal sebagai dinamika opini. Pendekatan ini meniru proses pertukaran informasi manusia dalam jaringan sosial mereka untuk mencapai kesepakatan. Ketika diterapkan pada model komputer, ini memungkinkan agen AI berbagi pengamatan satu sama lain dan secara bertahap menyesuaikan penilaian mereka untuk membangun pemahaman kolektif tentang situasi keseluruhan.

Menurut penulis, prosedur ini mengurangi risiko agen AI menghasilkan positif palsu. Ini juga memungkinkan sistem mendeteksi anomali yang mungkin tidak terdeteksi jika hanya dianalisis secara lokal. Arsitektur yang diusulkan juga menggunakan teknologi blockchain sebagai mekanisme kepercayaan dan validasi. Semua transaksi yang dilakukan oleh agen dicatat dalam buku besar terdistribusi yang tidak dapat diubah setelahnya, menjamin integritas dan ketertelusuran sistem.

Uji Coba dan Hasil

Sistem multi-agen diuji oleh para peneliti dalam lingkungan pengisian simulasi yang sesuai dengan OCPP. Selama eksperimen, agen-agen tersebut diekspos ke berbagai skenario anomali dalam jaringan pengisian: kegagalan komponen, kesalahan tautan komunikasi, dan situasi yang memerlukan respons terkoordinasi dari berbagai bagian sistem. Dalam semua kasus, agen AI harus mengidentifikasi setiap gangguan lokal, berbagi pengamatan mereka satu sama lain, dan berkolaborasi untuk membangun pemahaman bersama tentang insiden tersebut.

Hasilnya menunjukkan bahwa kombinasi agen AI, mekanisme konsensus terdistribusi, dan teknologi blockchain memberikan pandangan global jaringan. Sistem mendeteksi anomali spesifik pada perangkat individu dan beberapa pola perilaku yang mempengaruhi banyak stasiun pengisian. Selain itu, mekanisme konsensus meningkatkan akurasi diagnosis dengan membandingkan pengamatan dari agen yang berbeda, meningkatkan keandalan laporan.

Laboratorium universitas menyambut baik hasil tersebut. “Sistem ini memberikan cara baru untuk menjamin perlindungan infrastruktur pengisian kendaraan listrik,” kata pernyataan pers dari universitas. Inovasi ini menjadi langkah maju dalam mengamankan infrastruktur energi yang semakin terdigitalisasi. Perkembangan teknologi AI serupa juga terlihat dalam Microsoft Copilot Health yang mengubah data medis, menunjukkan potensi AI lintas sektor.

Dengan semakin banyaknya stasiun pengisian EV yang terhubung ke jaringan, sistem keamanan seperti ini menjadi krusial. Pendekatan multi-agen yang dikombinasikan dengan blockchain menawarkan solusi komprehensif untuk melindungi infrastruktur kritis dari ancaman siber yang terus berkembang. Inovasi ini juga sejalan dengan tren penggunaan AI dalam berbagai bidang, termasuk yang dipamerkan oleh Lenovo di CES 2026.

Implikasi dari penelitian ini sangat luas. Keberhasilan deteksi dini anomali tidak hanya melindungi pengguna EV dari potensi pencurian energi tetapi juga menjaga stabilitas jaringan listrik nasional. Sistem ini memberikan lapisan keamanan tambahan yang sangat dibutuhkan seiring dengan meningkatnya ketergantungan pada infrastruktur pengisian EV.