INL 的 TAIGR 計劃應對人工智慧幻覺、網路攻擊以及其他威脅電網穩定的風險
引言：AI應用於電網管理的新機遇與潛在威脅
隨著人工智慧（AI）技術的快速發展，其在電網管理中的應用正日益普及。AI能夠以前所未有的速度分析海量歷史數據，從而優化發電來源、預測故障並推薦即時應對措施，為提升電網的效率與可靠性帶來巨大潛力。然而，這項技術的導入也伴隨著一系列新的資安挑戰，其中最引人注目的便是「AI幻覺」與惡意網路攻擊。
為了應對這些新興風險，美國愛達荷國家實驗室（Idaho National Laboratory, INL）正式啟動了「電網韌性AI測試」（Testing for AI Grid Resilience, TAIGR）計畫。該計畫旨在透過匯集產業專家與資源，系統性地識別並降低AI驅動電網管理系統中的安全風險，確保國家關鍵電力基礎設施的穩定與安全。
AI帶來的核心威脅：幻覺與網路攻擊
TAIGR計畫的成立，是基於對AI在電網應用中核心風險的深刻理解。INL指出這些風險主體在以下幾個方面：
AI幻覺（AI Hallucinations）： 儘管AI模型能夠迅速處理數據並提出建議，但它們有時也會產生看似合理、實則錯誤的「幻覺」性建議。INL高級電網策略師Andy Bochman指出，這些建議在人類專家看來可能顯得荒謬，但如果未經嚴格驗證，可能會導致錯誤決策，進而影響電網的穩定性。
資料操縱與對抗性攻擊： 駭客可以透過對抗性網路攻擊，刻意操縱AI模型的輸入數據或架構，誘使AI產生錯誤的輸出。例如，攻擊者可能向AI系統輸入錯誤的感測器數據，使其做出關閉關鍵設備的錯誤判斷，從而引發大規模停電。
缺乏系統性風險評估： 根據INL的觀察，目前許多供應商在開發AI工具時，缺乏一套系統性的方法來評估其產品的安全性與韌性。這導致AI應用的風險難以被有效衡量和管理，為電網系統留下了潛在的資安漏洞。
TAIGR計畫的運作模式與目標
TAIGR計畫的運作模式借鑒了美國能源部成功的「網路韌性工具測試」（CyTRICS）計畫，旨在透過自願參與和產業協作，建立一套透明且經過專家審查的標準化測試方法。
產業協作平台： TAIGR計畫將召集來自公用事業公司、供應商、聯邦監管機構、研究機構以及產業協會（如愛迪生電力協會、北美電力可靠性公司）的代表，共同探討AI在電網中的角色與風險，並形塑計畫的發展方向。
AMARANTH專案： 作為TAIGR計畫的一部分，INL研究人員與合作夥伴發起了「AMARANTH」（Advanced Networked Testbed Hub的人工智慧管理與研究）專案。該專案由美國能源部電網部署辦公室資助，旨在專注解決AI安全與韌性問題，確保AI系統在應用時的可靠性與可預測性。
獨特的測試環境： TAIGR計畫將充分利用INL獨有的全尺寸電網測試平台，為參與者提供一個安全的環境，用來模擬各種AI驅動的攻擊與風險情境，驗證AI系統的韌性。
平衡AI的效益與風險：未來的挑戰與展望
INL強調，AI技術因其高效與實用性而無法被忽視，但如果缺乏適當的驗證與管理，它也可能因錯誤數據或未經檢查的結果而變得不可靠。TAIGR計畫的目標是協助能源產業在享受AI帶來的好處之際，也能有效管理其伴隨的風險，確保國家的電力系統始終保持強大與安全。
展望未來，TAIGR計畫的工作小組將專注於開發易於執行的測試方法，以吸引更多的資產所有者與供應商參與。這種協同合作的模式將加速AI解決方案在能源領域的安全可靠採用，為電網的長期穩定與韌性奠定堅實基礎。這項計畫的成功，不僅能確保AI技術在關鍵基礎設施領域的正確應用，也為應對其他AI衍生的新興資安風險提供了寶貴的參考範例。
資料來源：https://industrialcyber.co/utilities-energy-power-water-waste/inls-taigr-initiative-confronts-ai-hallucinations-cyberattacks-other-risks-threatening-power-grid-stability/
愛達荷國家實驗室（INL）發起了TAIGR計畫，旨在透過產業協作，測試並降低AI在電網管理系統中帶來的風險。