Jakarta — Ekspansi infrastruktur pengisian kendaraan listrik atau electric vehicle (EV) di seluruh dunia membawa risiko keamanan siber baru yang belum banyak diteliti. Cristina Alcaraz, peneliti keamanan infrastruktur dari University of Malaga, Spanyol, menjelaskan bahwa kerentanan stasiun pengisian EV terletak pada integrasi berbagai komponen fisik dan digital di dalamnya.
Arsitektur kompleks ini tidak hanya menjaga pengisi daya berfungsi efisien, tetapi juga menghadirkan celah keamanan yang luas dan berdampak jauh. Serangan terhadap pengisi daya dapat mengancam adopsi EV sekaligus stabilitas jaringan listrik di suatu negara.
Untuk mengatasi ancaman ini, tim peneliti dari NICS lab University of Malaga mengembangkan proposal inovatif dengan menggunakan agen kecerdasan buatan (AI). Agen ini dirancang untuk mencegah serangan siber dari berbagai vektor, mulai dari penipuan hingga pencurian energi oleh aktor jahat.
Proposal tim ini bertujuan mendeteksi anomali dan serangan secara dini pada jaringan pengisian menggunakan Open Charge Point Protocol (OCPP). OCPP adalah salah satu standar paling umum untuk operasi dan manajemen pengisi daya kendaraan listrik.
Protokol ini memungkinkan jaringan stasiun pengisian berkomunikasi dengan sistem terpusat yang mengelola transaksi energi pengguna. Sistem pusat menangani berbagai hal dari jarak jauh, termasuk otentikasi pengguna, manajemen beban listrik, dan pemantauan konsumsi listrik secara keseluruhan.
Kemampuan ini memungkinkan kontrol infrastruktur secara real-time dan membantu operator mendeteksi serta merespons perilaku mencurigakan dengan cepat. Namun, penulis studi baru ini menunjukkan bahwa mekanisme pemantauan saat ini hanya fokus pada lalu lintas jaringan atau peristiwa lokal.
Keterbatasan ini menyulitkan identifikasi lokasi anomali, komponen yang terganggu, dan cara penyebaran potensi serangan. Tim peneliti pun mengusulkan sistem yang menggunakan banyak agen AI untuk mengatasi masalah tersebut.
Baca Juga:
Setiap stasiun atau komponen relevan dalam jaringan pengisian dilengkapi agen AI yang mampu menganalisis lingkungan sekitar. Agen-agen ini mengumpulkan informasi dan berkolaborasi dengan agen lain untuk membangun gambaran menyeluruh tentang status infrastruktur saat itu.
“Setiap agen menilai status pengisi daya, komunikasi, dan perangkat terhubung untuk mendeteksi anomali, kegagalan operasional, atau insiden keamanan potensial,” kata Alcaraz. Agen-agen ini terhubung ke sistem pemantauan pusat dan membandingkan informasi lokal dengan stasiun terdekat.
Pendekatan ini memberikan pandangan kolaboratif yang lebih lengkap, akurat, dan kontekstual tentang situasi yang terjadi. Alcaraz, yang juga penulis utama laporan tersebut, menjelaskan bahwa salah satu fitur paling baru dari sistem ini adalah mekanisme konsensus berdasarkan kerangka matematika bernama opinion dynamics.
Mekanisme ini meniru proses pertukaran informasi antar manusia dalam jaringan sosial untuk mencapai kesepakatan. Saat diterapkan pada model komputer, agen AI dapat berbagi pengamatan dan menyesuaikan penilaian secara bertahap untuk membangun pemahaman kolektif.
Prosedur ini mengurangi risiko agen AI menghasilkan positif palsu dan memungkinkan sistem mendeteksi anomali yang mungkin terlewat jika dianalisis secara lokal. Arsitektur yang diusulkan juga menggunakan teknologi blockchain sebagai mekanisme kepercayaan dan validasi.
Semua transaksi yang dilakukan agen dicatat dalam buku besar terdistribusi yang tidak dapat diubah, menjamin integritas dan ketertelusuran sistem. Sistem multi-agen ini telah diuji dalam lingkungan pengisian simulasi yang sesuai dengan standar OCPP.
Selama pengujian, agen-agen tersebut dihadapkan pada berbagai skenario anomali dalam jaringan pengisian. Skenario meliputi kegagalan komponen, kesalahan tautan komunikasi, dan situasi yang memerlukan respons terkoordinasi dari berbagai bagian sistem.
Hasilnya menunjukkan kombinasi agen AI, mekanisme konsensus terdistribusi, dan blockchain memberikan pandangan global terhadap jaringan. Sistem berhasil mendeteksi anomali spesifik pada perangkat individu dan pola perilaku yang mempengaruhi beberapa stasiun pengisian.
Mekanisme konsensus juga meningkatkan akurasi diagnosis dengan membandingkan pengamatan dari berbagai agen. Laboratorium universitas menyambut baik hasil ini dan menyatakan sistem tersebut menyediakan cara baru untuk menjamin perlindungan infrastruktur pengisian kendaraan listrik.
