दुनिया भर में इलेक्ट्रिक गाड़ियों का चलन तेज़ी से बढ़ रहा है और इसके साथ ही चार्जिंग स्टेशनों का जाल भी फैलता जा रहा है। लेकिन इस विस्तार का एक पहलू ऐसा भी है जिस पर अब तक बहुत कम अध्ययन हुआ है — साइबर सुरक्षा के नए ख़तरे, जिनके पुख़्ता समाधान फ़िलहाल गिने-चुने ही हैं।
चार्जिंग स्टेशन कमज़ोर क्यों हैं
स्पेन की University of Malaga में इंफ़्रास्ट्रक्चर-सुरक्षा पर काम करने वाली रिसर्चर Cristina Alcaraz के मुताबिक़ इलेक्ट्रिक-वाहन चार्जिंग स्टेशनों की कमज़ोरी की असली वजह यह है कि इनमें कई तरह के भौतिक और डिजिटल हिस्से एक साथ जुड़े होते हैं। उनका कहना है कि यही जटिल बनावट एक ओर चार्जर को कुशलता से चलाती है, तो दूसरी ओर ढेरों नई और दूरगामी असर वाली सुरक्षा कमज़ोरियाँ भी पैदा कर देती है।
हमलों के सामने चार्जर का यूँ खुला रहना दो स्तरों पर ख़तरा बनता है — एक तो ईवी को अपनाने की रफ़्तार पर असर पड़ता है, और दूसरा जिन देशों में ये चार्जर चलते हैं वहाँ की बिजली ग्रिड की स्थिरता तक दाँव पर लग जाती है।
AI एजेंट्स पर आधारित नया प्रस्ताव
इसी ख़तरे से निपटने के इरादे से University of Malaga की NICS lab के शोधकर्ताओं ने एक नया रास्ता सुझाया है — इस ढाँचे की हिफ़ाज़त के लिए AI एजेंट्स को तैनात करना। ये एजेंट्स अलग-अलग दिशाओं से आने वाले साइबर हमलों को रोकने के लिए बनाए गए हैं। इसमें वे हमले भी शामिल हैं जिनमें कोई शरारती तत्व चार्जिंग स्टेशन का इस्तेमाल कर धोखाधड़ी या बिजली की चोरी करता है, और वे बड़े हमले भी जो अहम ऊर्जा नेटवर्क को नुक़सान पहुँचा सकते हैं।
टीम का मक़सद है कि चार्जिंग नेटवर्क में किसी भी गड़बड़ी या हमले का जल्दी और भरोसेमंद तरीक़े से पता चल जाए। इसके लिए वे Open Charge Point Protocol (OCPP) का सहारा लेते हैं, जो इलेक्ट्रिक-वाहन चार्जर के संचालन और प्रबंधन के लिए सबसे ज़्यादा इस्तेमाल होने वाले मानकों में से एक है। यह प्रोटोकॉल चार्जिंग स्टेशनों के पूरे नेटवर्क को एक केंद्रीय सिस्टम से जोड़ देता है, जो अंतिम उपभोक्ताओं द्वारा किए गए सभी ऊर्जा लेन-देन को संभाल, निगरानी और तालमेल कर सकता है।
केंद्रीय सिस्टम क्या-क्या करता है
यह केंद्रीय सिस्टम कई काम दूर बैठे ही निपटाता है — उपयोगकर्ता की पहचान की पुष्टि, हर स्टेशन पर बिजली के लोड का प्रबंधन, कुल बिजली खपत की निगरानी और तकनीकी जाँच-पड़ताल। इन्हीं क्षमताओं की बदौलत इंफ़्रास्ट्रक्चर पर वास्तविक समय में नियंत्रण रखा जा सकता है और ऑपरेटर किसी भी असामान्य व्यवहार को पकड़कर फ़ौरन उस पर प्रतिक्रिया दे सकते हैं।
मौजूदा निगरानी की सीमा
लेकिन नए अध्ययन के लेखकों का कहना है कि इस प्रोटोकॉल पर टिके आज के निगरानी तंत्र आमतौर पर सिर्फ़ नेटवर्क ट्रैफ़िक या स्थानीय घटनाओं तक ही सीमित रहते हैं। इस वजह से वे पूरे इलाक़े के इंफ़्रास्ट्रक्चर में क्या हो रहा है, इसकी बस एक सीमित तस्वीर ही दे पाते हैं। शोधकर्ताओं के मुताबिक़ यही सीमा यह जान पाना मुश्किल बना देती है कि गड़बड़ी सिस्टम में कहाँ हो रही है, कौन-से नेटवर्क हिस्से प्रभावित हुए हैं, कमज़ोरियों का दायरा कितना बड़ा है, और संभावित हमला किन रास्तों से फैल सकता है।
हर स्टेशन की अपनी आँख
इसका हल शोधकर्ता एक ऐसी प्रणाली में देखते हैं जो कई AI एजेंट्स का इस्तेमाल करती है। चार्जिंग नेटवर्क का हर स्टेशन या हर अहम हिस्सा अपने भीतर AI एजेंट्स रखता है, जो अपने आसपास के माहौल का विश्लेषण करने, जानकारी जुटाने और दूसरे एजेंट्स के साथ मिलकर काम करने में सक्षम हैं — ताकि इंफ़्रास्ट्रक्चर की मौजूदा हालत की एक पूरी तस्वीर बन सके।
Alcaraz, जो इस रिपोर्ट की प्रमुख लेखिका भी हैं, बताती हैं: “हर एजेंट चार्जर, संचार और जुड़े हुए उपकरणों की स्थिति का आकलन करता है, ताकि गड़बड़ियाँ, संचालन में आई ख़राबियाँ या संभावित सुरक्षा घटनाओं का पता चल सके।” वे आगे कहती हैं, “ये एजेंट्स एक केंद्रीय-निगरानी सिस्टम से जुड़े होते हैं और स्थानीय स्तर पर मिली जानकारी की तुलना आसपास के स्टेशनों से करते हैं, जिससे हालात की एक ज़्यादा संपूर्ण, सटीक और संदर्भ-सहित साझा तस्वीर सामने आती है।”
‘opinion dynamics’ — इंसानी राय-मशविरे की नक़ल
यह काम International Journal of Critical Infrastructure Protection में प्रकाशित हुआ है। इसमें बताया गया है कि इस प्रणाली की सबसे नई ख़ूबियों में से एक है इसका सहमति बनाने वाला तंत्र, जो opinion dynamics नाम के एक गणितीय ढाँचे पर आधारित है।
यह तरीक़ा उस प्रक्रिया की नक़ल करता है जिससे इंसान अपने सामाजिक नेटवर्क में आपस में जानकारी का आदान-प्रदान कर किसी नतीजे या सहमति तक पहुँचते हैं। जब इसे कंप्यूटर मॉडल पर लागू किया जाता है, तो यह AI एजेंट्स को एक-दूसरे के साथ अपनी टिप्पणियाँ साझा करने और धीरे-धीरे अपने आकलन को समायोजित करने की छूट देता है, ताकि समग्र स्थिति की एक सामूहिक समझ बन सके।
लेखकों के अनुसार इस प्रक्रिया से AI एजेंट्स के झूठी चेतावनी (false positive) पैदा करने का ख़तरा घट जाता है। साथ ही यह सिस्टम को ऐसी गड़बड़ियाँ भी पकड़ने देता है जो अगर सिर्फ़ स्थानीय स्तर पर ही जाँची जातीं तो शायद नज़र से चूक जातीं।
भरोसे की गारंटी के लिए blockchain
प्रस्तावित ढाँचा भरोसे और सत्यापन के तंत्र के रूप में blockchain तकनीक का भी इस्तेमाल करता है। एजेंट्स द्वारा किए गए सभी लेन-देन एक वितरित बहीखाते (distributed ledger) में दर्ज होते हैं, जिन्हें बाद में बदला नहीं जा सकता। इससे सिस्टम की अखंडता और हर गतिविधि का पूरा रिकॉर्ड रख पाने की गारंटी मिलती है।
आज़माइश में कैसा रहा प्रदर्शन
शोधकर्ताओं ने इस बहु-एजेंट प्रणाली को एक नक़ली, OCPP के अनुरूप बनाए गए चार्जिंग माहौल में परखा। प्रयोगों के दौरान एजेंट्स को चार्जिंग नेटवर्क के भीतर अलग-अलग गड़बड़ी वाली स्थितियों के सामने रखा गया — हिस्सों में आई ख़राबियाँ, संचार लिंक की त्रुटियाँ, और ऐसी परिस्थितियाँ जिनमें सिस्टम के कई हिस्सों से तालमेल भरी प्रतिक्रिया की ज़रूरत थी। हर मामले में AI एजेंट्स को हर स्थानीय गड़बड़ी पहचाननी थी, अपनी टिप्पणियाँ आपस में साझा करनी थीं और मिलकर उस घटना की एक साझा समझ बनानी थी।
नतीजों से पता चला कि AI एजेंट्स, वितरित-सहमति तंत्र और blockchain तकनीक के मेल ने पूरे नेटवर्क की एक समग्र तस्वीर दी। सिस्टम ने अलग-अलग उपकरणों में मौजूद ख़ास गड़बड़ियों को भी पकड़ा और ऐसे कुछ व्यवहार पैटर्न को भी, जो एक से ज़्यादा चार्जिंग स्टेशनों को प्रभावित कर रहे थे। इतना ही नहीं, सहमति तंत्र ने अलग-अलग एजेंट्स की टिप्पणियों की आपस में तुलना करके निदान की सटीकता बढ़ाई और रिपोर्टों की विश्वसनीयता को और मज़बूत किया।
विश्वविद्यालय की लैब इन नतीजों से ख़ुश है। एक प्रेस बयान में उसने कहा, “यह प्रणाली इलेक्ट्रिक-वाहन चार्जिंग इंफ़्रास्ट्रक्चर की सुरक्षा की गारंटी देने का एक नया रास्ता पेश करती है।”
