Digital twin nel settore energetico: cinque passi per la resilienza

Negli ultimi due decenni, la tecnologia cloud ha contribuito a rafforzare la visibilità e il controllo dell’IT nel settore energetico. Più recentemente, la sua adozione si è estesa in modo significativo anche in ambito OT.

Il passaggio al cloud di sistemi OT isolati e offline – come macchinari, condutture e sottostazioni elettriche – permette alle aziende energetiche di connettere e monitorare da remoto le proprie attività. Tra le tecnologie cloud, i digital twin si sono dimostrati particolarmente utili, supportando le organizzazioni del settore nella manutenzione predittiva, nell’analisi in tempo reale e nei workflow autonomi.

Tuttavia, accanto ai benefici in termini di efficienza e sicurezza operativa – che negli ultimi anni hanno visto un’ulteriore accelerazione grazie all’adozione su larga scala dell’intelligenza artificiale e dell’automazione – i digital twin espandono al contempo la superficie d’attacco in modi che molti decision maker non hanno ancora affrontato. È necessario quindi trovare il giusto equilibrio tra innovazione e cybersecurity.

Applicazioni e sicurezza dei digital twin nel settore energetico

I digital twin sono repliche dinamiche e virtuali di entità e processi fisici. Simulano comportamenti e interazioni in tempo reale sulla base di dati storici e live, consentendo alle aziende di modellare scenari futuri e individuare modalità operative più efficienti.

Nel settore energetico, le stringenti normative sul monitoraggio delle emissioni, sull’affidabilità della rete e sull’informativa ESG hanno portato a un ricorso sempre maggiore ai digital twin per la verifica della compliance e la rendicontazione sulla sostenibilità. Con l’invecchiamento delle infrastrutture energetiche globali, inoltre, le inefficienze comportano costi pari a miliardi di dollari in termini di mancati ricavi e responsabilità ambientali. In questo scenario, la manutenzione predittiva offerta dai digital twin permette alle aziende di passare da costosi controlli di routine a valutazioni basate sulle reali condizioni degli asset, evitando sanzioni e prolungando il ciclo di vita dei sistemi OT.

Sul piano del back-end tecnologico, la rapida diffusione e l’accessibilità dell’edge computing, delle reti 5G e delle piattaforme cloud-native hanno reso l’adozione e la scalabilità dei digital twin più semplici che mai anche per le aziende energetiche di medie dimensioni. Con l’avanzare e la diffusione dell’intelligenza artificiale, le aziende oggi sono in una posizione migliore per integrare algoritmi di rilevamento delle anomalie che migliorano la resilienza riducendo il numero di falsi positivi.

Dalle reti ai parchi eolici: i digital twin già in uso

A livello globale, i leader del settore stanno già esplorando strategie innovative per valorizzare il potenziale dei digital twin in un’ampia gamma di applicazioni. Per esempio, la politica Energiewende della Germania ha favorito una maggiore adozione dei digital twin a livello di rete, che integrano la generazione intermittente da fonte eolica e solare con asset programmabili. Il North Sea Transition Deal prevede una riduzione del 50% delle emissioni derivanti da gas e petrolio entro il 2030, portando numerose piattaforme offshore ad adottare soluzioni di digital twin.

In Norvegia e Danimarca, l’impiego dei digital twin per l’ottimizzazione dei parchi eolici offshore ha consentito di ottenere incrementi dell’efficienza delle turbine dell’8-12%. L’utility italiana AcegasApsAmga utilizza un digital twin della rete elettrica di Trieste per simulare i flussi di potenza in tempo reale, individuare i rischi di sovraccarico e supportare l’elettrificazione sostenibile. Negli Emirati Arabi Uniti, la Digital Twin Initiative di ADNOC ha consentito di implementare un monitoraggio predittivo basato sull’IA e di ridurre i costi di manutenzione su oltre 2.500 asset Oil & Gas, aumentando la disponibilità operativa e l’efficienza.

I rischi per la sicurezza dei digital twin nell’energia

Prima che le aziende energetiche possano sfruttare appieno le opportunità offerte dai digital twin, devono innanzitutto affrontare la perdita dell’air gap, che in passato manteneva i sistemi OT separati da Internet. Le architetture di sicurezza si trovano oggi ad affrontare diverse criticità rilevanti, per le quali generalmente non sono state progettate, legate alla gestione di sistemi cyber-fisici bidirezionali e basati sull’IA.

Superficie d’attacco e minacce basate sull’IA

• Espansione delle superfici d’attacco: in quanto ponte di collegamento tra IT, OT e cloud, i digital twin creano percorsi laterali che le tradizionali misure di sicurezza perimetrale faticano a contenere. Nuove vulnerabilità emergono a ogni punto di interconnessione dei dati, offrendo agli attaccanti ampie possibilità di manomettere o esfiltrare dati e modelli. Una maggiore dipendenza dalle smart grid accresce inoltre il potenziale di interruzione dei servizi. Per esempio, gli attaccanti possono utilizzare i punti di accesso per alterare artificialmente i prezzi di mercato o sottrarre proprietà intellettuale;
• Minacce specifiche dell’IA: gli attacchi di Adversarial Machine Learning (AML), come il model inversion, il data poisoning e il prompt injection, possono rendere inaffidabili gran parte degli output dei digital twin. Se non vengono individuati, questi attacchi possono provocare conseguenze significative sul piano della sicurezza e dell’ambiente. La manipolazione dei dati da parte degli attaccanti potrebbe generare letture falsate, causando fluttuazioni di tensione, guasti alle apparecchiature e collassi della rete elettrica, con il rischio di lasciare infrastrutture essenziali prive di alimentazione;

Norme, operatività e rischio sistemico

• Incertezza normativa e di responsabilità: i framework di compliance relativi alla convergenza tra sicurezza dell’IA, sicurezza OT e sovranità dei dati sono estremamente frammentati. Ciò rende difficile garantire un’adozione sicura e conforme dei digital twin. Gli attacchi informatici di alto profilo contro il settore energetico hanno inoltre reso i CISO cauti nei confronti della convergenza OT/IT, rallentando i progetti o limitando le funzionalità dei digital twin;
• Aumento dei rischi operativi: esiste un crescente divario di esposizione tra la velocità di implementazione dei digital twin basati sull’IA e il livello di preparazione delle organizzazioni sul fronte della cybersecurity. Con l’aumentare di questo divario, aumenteranno anche le superfici di attacco. La stessa presenza di attaccanti focalizzati sull’IA alimenta dubbi sull’accuratezza dei digital twin in tutto il settore energetico, influenzando il livello di affidamento che i produttori possono riporre in questi sistemi;
• Impatto su larga scala: i digital twin che si estendono lungo le supply chain o che coprono intere città introducono un numero enorme di confini di fiducia e rischi legati a terze parti che gli attuali framework di valutazione non considerano adeguatamente. Con l’aumento dell’autorità dell’IA sui processi decisionali, una sua eventuale compromissione potrebbe generare problemi di grande portata;
• Targettizzazione degli ambienti OT: gli attori riconducibili a Stati-nazione e i gruppi criminali specializzati in ransomware stanno prendendo sempre più di mira gli ecosistemi operativi. Per esempio, è plausibile che gli attaccanti possano compromettere contemporaneamente i sistemi di controllo di diversi parchi eolici, provocando blackout su larga scala che coinvolgano milioni di abitazioni e imprese.

Cinque azioni per digital twin resilienti nel settore energetico

Il modo migliore per i responsabili della sicurezza nel settore energetico di proteggere le proprie infrastrutture consiste nell’adottare un Secure Digital Twin Operating Model (SDTOM), che prevede:

Governance, zero trust e sicurezza dei modelli

• Governance unificata: dovrebbe essere istituito un Digital Twin Security Council in cui CISO, CDO, responsabili OT e ingegneri AI/ML possano allineare policy e normative, tra cui la direttiva NIS2, l’AI Act dell’UE e standard come ISA/IEC 62443;
• Architettura cyber-fisica zero-trust: le comunicazioni attraverso i digital twin – dai sensori agli attuatori a valle – dovrebbero essere autenticate, crittografate e verificate in modo continuo. Anche l’inference engine, il data lake e le interfacce di controllo dovrebbero essere dotati di proxy API zero-trust;
• Ciclo di vita della sicurezza dei modelli IA: prima di implementare un modello di machine learning, gli ethical hacker dovrebbero verificare i confini decisionali in linea con le tecniche del MITRE ATLAS. Durante l’esecuzione, il monitoraggio del model drift e delle anomalie dovrebbe essere integrato per prevenire il data poisoning e il deterioramento del modello.

Le analisi successive agli incidenti risultano inoltre più semplici grazie alla possibilità di effettuare il rollback dei modelli, nonché alla disponibilità di log relativi agli aggiornamenti e ai dati utilizzati per l’addestramento;

Threat intelligence, competenze e cultura aziendale

• Threat intelligence e pianificazione degli scenari: dovrebbe essere adottato un approccio “twin-of-the-twin” per simulare e pianificare una varietà di scenari, modellando minacce quali la propagazione di ransomware, lo spoofing dei sensori e gli attacchi di IA avversaria. Una pianificazione degli scenari di questo tipo può aiutare le aziende energetiche a gestire l’incertezza attraverso la creazione di rappresentazioni dettagliate di possibili futuri contesti operativi, anziché cercare di prevedere un singolo esito;
• Personale e cultura aziendale: gli esperti ibridi, specializzati in data science, ingegneria OT e cybersecurity, rappresentano il segmento di talenti più difficile da reperire. Qualora non fosse possibile acquisire queste competenze, è opportuno prendere in considerazione programmi di upskilling, strumenti di IA come i copilot per il SecOps ed esercitazioni tabletop interfunzionali.

Se da un lato i digital twin guidano compliance e competitività, dall’altro le sfide di sicurezza che introducono travalicano i confini dell’IT. Dai downtime estesi all’intera rete alla manipolazione dei mercati energetici, i rischi di un ambiente OT connesso ma non protetto possono travolgere l’intera organizzazione.

Un approccio cauto e rigoroso, caratterizzato da controlli di sicurezza integrati e da un modello operativo chiaramente definito, consente di cogliere appieno i vantaggi dei digital twin, rafforzando al contempo la resilienza dell’azienda.