基于量子密钥分发的电力调度网络安全性评估方法研究

Study on security assessment method of power dispatching network based on quantum key distribution

摘要

针对基于实用化量子密钥分发（QKD）的电力调度网络安全性评估问题，采用通信网络脆弱性评估理论，系统构建了综合电力调度业务、调度网络结构以及网络安全攻击的安全评估方案，研究了量子密钥分发对整体安全性的影响。结果表明，在对电力调度网络整体进行安全性评估时，除了通信网络本身的脆弱性，对应调度子业务和网络攻击的权重也会对安全性评分产生重要影响。量子密钥分发的融入也会导致新的量子窃听攻击，降低对应的误码率将有效提高系统的安全性。

Abstract

In addressing the security assessment of power dispatch networks based on practical quantum key distribution（QKD）， the vulnerability assessment theory of communication networks was employed to construct a comprehensive security assessment method integrating power dispatch services， network structures， and network attacks. Besides， the impact of quantum key distribution on overall security was also studied. The results indicated that， when conducting an overall security assessment of power dispatch networks， in addition to the vulnerability of the communication network itself， the weights of corresponding dispatch sub-services and network attacks also significantly influenced the security score. The integration of quantum key distribution might introduce new quantum eavesdropping attacks， and reducing the corresponding bit error rate would effectively enhance system security.

Graphical abstract

关键词

电力调度 / 安全性评估 / 量子密钥分发 / 网络攻击

Key words

power dispatching / security assessment / quantum key distribution / network attack

0 引言

智能电网的建设、调度自动化的发展以及新型分布式能源终端带来的开放性，必然带来新的电力调度网络安全问题。特别是，随着量子计算的发展，传统的加密手段可能面临极大的威胁^［1-4］。量子密钥分发（Quantum Key Distribution， QKD）作为一种理论上无条件安全的加密方式，可以应对量子计算带来的挑战，是目前理论和应用领域的研究重点。因此，量子密钥分发技术在电力调度系统中有着广阔的应用前景。通过将QKD技术集成到电力通信网络中，可以确保用户用电数据在传输过程中的机密性和完整性。例如，在电网调度中心与发电厂、变电站之间的通信中，QKD可用于保护实时数据传输和控制指令的安全性，防止未经授权的第三方窃取或篡改信息。近年来，中国已在多个地区开展了QKD技术在电力系统的试点应用^［5-8］，实践表明，QKD能够在复杂多变的电力网络环境中提供可靠的安全保障。

尽管QKD协议理论上具备无条件安全性，但在实用化QKD系统中，光源或者探测器的缺陷会导致QKD无法满足无条件安全所需的基本前提，针对此类缺陷所展开的破解量子密钥的攻击称为量子窃听攻击（Quantum Eavesdropping Attack， QEA）。例如，在光子数分裂攻击（Photon Number Splitting， PNS）中，攻击者利用多光子脉冲中的多余光子进行非破坏性测量，从而窃取密钥信息；在波长选择反射攻击（Interferometric Reflectometer Attack， IRA）中，攻击者通过向光纤发送特定波长的高反射光信号来干扰通信双方的正常测量。据不完全统计，目前实验上实现的量子窃听攻击有20余种，理论上提出的则多达40余种。针对其中少数攻击，研究者已提出基于BB84协议的改进协议，如诱骗态协议、测量设备无关协议等，但多数攻击目前仍然无法克服。

因此，根据现有阶段QKD的实际发展水平，对融合量子密钥的电力网络开展综合的安全性评估非常重要。目前关注的问题主要包括如下两个方面：一是电力系统是一个复杂的信息-物理融合的网络^［9-10］；二是存在多元化的评估对象与指标，需要考虑调度业务涉及的各项子业务以及涉及通信协议、加密手段、恢复能力等各个安全防护模块。与此同时，系统面临的网络攻击也种类繁多，如何合理评估各指标的权重以及外部攻击与指标之间的关联，是安全评估的关键问题。

目前，针对传统电力网络的安全评估已有较多研究^［11-20］，但对考虑量子窃听攻击的QKD-PDS综合安全评估仍缺乏具体方案与应用。此外，现有的评估方案大多集中在电力网络本身，忽略了业务权重、攻击权重等因素在综合性安全评估中的体现。本文提出一种融合业务重要度、网络脆弱性和攻击权重等要素的综合性安全评估方案。

1 基于QKD电力调度网络架构

电力系统是一种典型的信息-物理融合网络，系统分为通信系统层和物理系统层，两层之间通过业务信息交互通道层联系^［9，15］。量子密钥分发在电力调度中的一个基础应用是对调度业务通信通道进行量子加密，基本网络结构如图1所示。通过在调度主站和变电站分别部署量子密钥生成与管理终端、电力专用量子VPN网关等设备，主站侧接入调度自动化系统，变电站侧接入远动终端，实现光纤量子密钥为调度自动化业务数据加密。

与此同时，结合电力调度业务系统，通过离线充注、在线分发、密钥索引的方式，将量子密钥生成系统产生的量子密钥安全地提供给云端电力专用量子VPN网关及边端侧量子加密设备。通过建立量子加密隧道，可以实现电力调度业务系统云-边-端通信通道的量子加密。此外，基于量子密钥分发网络产生的量子密钥或量子随机数发生器产生的量子随机数密钥，还可为调度自动化系统数据库提供加密服务，保证业务数据的本地存储安全。

2 安全性评估流程

本文提出的安全评估流程如图2所示，综合考虑具体的电力调度业务权重、系统的脆弱性、攻击的权重三方面的影响。其中，系统的脆弱性分析是整个流程中最重要的一环。

2.1 子业务权重评级

首先根据电力调度系统业务的频率、重要度等因素对各项子业务进行权重评级，得到相应的归一化权重系数{\eta }_i，满足{\sum }_i{\eta }_i=\mathrm{1}。电力调度的子业务大致可以分为继电控制、变电站控制、电厂控制、新能源接入、电力交易等五大模块，前三项子业务相对后两项的重要度更高，需要的安全保护等级也越高，因此对应的权重系数相对更大。当然，具体的权重赋值需要结合实际的评估需求来定。

2.2 建立子业务网络拓扑图

对于子业务i，首先分析所涉及的信息-物理网络，得到具体的调度子网络（Power Dispatch Sub-System， PDSS），并构建相应的包含节点（N）和关系（R）的网络拓扑图NR _i。

2.3 攻击及其权重分析

结合子业务i的网络拓扑图NR _i，分析其中每个节点可能的漏洞、可能的攻击主体、攻击方式和物理防护手段。特别地，对于QKD-DPS，需要根据当前QKD部署情况分析可能的设备缺陷以及量子窃听攻击方式。每个攻击由编号i‑j表示，i代表子业务编号，j代表该业务网络可能面临的攻击编号。每个攻击包含对应的攻击主体、攻击节点、攻击方式，并根据各类数据库统计以往各种攻击出现的概率，得到对应的权重因子{\zeta }_{ij}，满足{\sum }_j{\zeta }_{ij}=\mathrm{1}。

2.4 建立攻击图

电力控制系统是通过多级网络连接的分布式系统，攻击是利用系统某个节点的漏洞，实现一系列状态控制权转移的过程。在安全分析中，攻击图（Attack Graph，AG）可以用来描述目标节点进入不安全状态的所有可能路径^{［13，21-22］}。对于子业务i和攻击i‑j，从攻击的目标节点出发，遍历对应的NR _i，确定所有可能的动作a_{\alpha }以及对应的脆弱性因子{\lambda }_{\alpha }，由此建立攻击图AG _ij。

2.5 脆弱性评估

针对某一攻击i‑j，系统脆弱性p_{ij}的计算流程如图3所示。

1） 构建层次化评估指标体系

根据不同的安全属性构建层次结构是量化的基础，利用层次分析法（AHP）可以确定各种安全属性的权重。一个典型的考虑量子保密通信应用的AHP如图 4所示，第一层是大的准则层，代表安全属性的主要类型，总的类型数用n^{\mathrm{c}\mathrm{r}\mathrm{i}}表示。第二层是指标层，它将标准层细分为具体的评估指标，第k个标准对应的指标数用n_k^{\mathrm{i}\mathrm{n}\mathrm{d}}表示，细分指标总数n={{\sum }_{k}n}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}。该层与攻击图中涉及的动作密切关联，两者之间的联系可决定最终的脆弱性评价结果。

2） 建立成对比较矩阵

针对标准层，建立成对比较矩阵{\mathit{A}}^{\mathrm{c}\mathrm{r}\mathrm{i}}，对比数值设为1~9及其倒数。对于第k个标准，建立其对应指标层的成对比较矩阵{\mathit{A}}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}，方式与标准层类似。

3） 计算指标权重

计算{\mathit{A}}^{\mathrm{c}\mathrm{r}\mathrm{i}}以及每个{\mathit{A}}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}最大本征值所对应的归一化本征向量{\mathit{w}}^{\mathrm{c}\mathrm{r}\mathrm{i}}、{\mathit{w}}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}：

{\mathit{A}}^{\mathrm{c}\mathrm{r}\mathrm{i}}{\mathit{w}}^{\mathrm{c}\mathrm{r}\mathrm{i}}={\lambda }_{\mathrm{m}\mathrm{a}\mathrm{x}}^{\mathrm{c}\mathrm{r}\mathrm{i}}{\mathit{w}}^{\mathrm{c}\mathrm{r}\mathrm{i}};{\mathit{A}}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}{\mathit{w}}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}={\lambda }_{\mathrm{m}\mathrm{a}\mathrm{x},k}^{\mathrm{c}\mathrm{r}\mathrm{i}}{\mathit{w}}_k^{\mathrm{i}\mathrm{n}\mathrm{d}}\mathrm{。}(1)

归一化本征向量\mathit{w}中的元素对应于相应标准或指标所对应的权重，两者综合可以得到指标层所有细分指标的权重分布，用对角矩阵表示：

{\mathit{W}}_{n\times n}=\left(\begin{array}{ccc}\ddots & \mathrm{0}& \mathrm{0}\\ \mathrm{0}& w_k^{\mathrm{i}\mathrm{n}\mathrm{d}}(l)\times w^{\mathrm{c}\mathrm{r}\mathrm{i}}(k)& \mathrm{0}\\ \mathrm{0}& \mathrm{0}& \ddots \end{array}\right)，(2)

式中：w_k^{\mathrm{i}\mathrm{n}\mathrm{d}}(l)\times w^{\mathrm{c}\mathrm{r}\mathrm{i}}(k)表示第k个标准中第l(l=\mathrm{1},\cdots ,n_k^{\mathrm{i}\mathrm{n}\mathrm{d}})个指标在总指标中所占权重。

4） 构建归一化行动决策矩阵

从技术上来说，攻击图的建立可以与评估指标无关，只取决于系统的网络架构以及安全对策。但在不同的评估指标体系下，同一攻击下系统的脆弱性评估应当有所不同。采用相对于指标层的行动决策矩阵来体现评估体系对脆弱性计算的影响。基于某一特定攻击图AG _ij，其对应的归一化行动决策矩阵定义为

{\mathit{Z}}_{m\times n}={\mathit{B}}_{m\times n}/B_{\mathrm{0}}，(3)

式中：m为某一特定攻击对应的攻击图AG _ij 中动作的个数，n为总的指标数。B_{\mathrm{0}}={\sum }_{\alpha =\mathrm{1}}^m{\sum }_{\beta =\mathrm{1}}^n{b}_{\alpha \beta }为归一化系数，其中矩阵\mathit{B}中元素b_{\alpha \beta }评估相对于第\beta个指标而言第\alpha个动作的操作难度，同样按照1~9赋值，其具体值大小与层次化指标体系、攻击图以及系统的安全对策三方面因素有关，在实践中需要结合业务和技术专家意见来综合确定。

5） 计算加权决策矩阵

综合评估指标权重以及行动决策矩阵可以得到加权决策矩阵：

{\mathit{Y}}_{m\times n}={\mathit{Z}}_{m\times n}{\mathit{W}}_{n\times n}。(4)

可以看到，如果某一动作相对某指标的难度很大，但在评估中该指标权重较小，则其在加权决策矩阵中的贡献将会减弱。

6） 计算脆弱性因子

根据加权决策矩阵，可以得到对应某一指标\beta的正理想解x_{\beta }^{+}和负理想解x_{\beta }^{-}：

\begin{array}{l}{x}_{\beta }^{+}=\mathrm{m}\mathrm{a}\mathrm{x}\{y_{\mathrm{1}\beta },\cdots ,y_{m\beta }\},\\ x_{\beta }^{-}=\mathrm{m}\mathrm{i}\mathrm{n}\{y_{\mathrm{1}\beta },\cdots ,y_{m\beta }\}\mathrm{。}\end{array}

由此可以得到各个动作对应的欧式距离：

d_{\alpha }^{\pm }=\sqrt[]{{\displaystyle \sum _{\beta =\mathrm{1}}^n}(y_{\alpha \beta }-x_{\beta }^{\pm }{)}^{\mathrm{2}}}\mathrm{。}

脆弱性因子由相对理想负解的相似度表达：

{\lambda }_{\alpha }=\frac{d_{\alpha }^{+}}{d_{\alpha }^{+}+d_{\alpha }^{-}}\mathrm{。}(5)

例如，若d_{\alpha }^{+}=\mathrm{0}，对应于理想正解，则脆弱性因子为0；反之，若d_{\alpha }^{-}=\mathrm{0}，对应于理想负解，则脆弱性因子为1。

7） 整体脆弱性的计算

利用上述AHP和TOPSIS方法可以得到攻击图AG _ij 中所有动作对应的脆弱性因子，最终基于连接模型的系统脆弱性计算可以得到某一子业务对应的网络系统NR _i 在攻击i‑j下的脆弱性p_{ij}。需要注意的是，某次攻击i‑j也存在成本代价，其等效成本c_{ij}（包括费用、时间、人力等综合因素）以指数形式体现在整体脆弱性当中，其值越大表示攻击越难实施，系统在此攻击下的脆弱性则越小。对于串联形式的攻击图，整体脆弱性计算公式为

p_{ij}={\displaystyle \sum _{\alpha =\mathrm{1}}^m}\frac{{\prod }_{\beta =\mathrm{1},\beta \ne \alpha }^m{\lambda }_{\beta }{\mathrm{e}}^{-{\lambda }_{\beta }{c}_{ij}}}{{\prod }_{\beta =\mathrm{1},\beta \ne \alpha }^m({\lambda }_{\beta }-{\lambda }_{\alpha })}\mathrm{。}(6)

对于并联形式的攻击图，整体脆弱性计算公式为

p_{ij}=\mathrm{e}\mathrm{x}\mathrm{p}(-{\sum }_{a=\mathrm{1}}^m{\lambda }_a{c}_{ij})\mathrm{。}(7)

对于复杂的串并模型，则可以首先遍历从目标状态到初始状态的所有路径，每条可行路径的计算视为一个串行模型，每条可行路径之间的计算视为并行模型。总体来说，攻击路径越长，系统在该攻击下的脆弱性则越低。

2.6 综合安全性评分

综合业务重要度、网络脆弱性、攻击权重定义系统整体的安全性评分为

S=\mathrm{1}-P=\mathrm{1}-\sum _{i,j}({\eta }_i\times p_{ij}\times {\zeta }_{ij})\mathrm{。}(8)

指标i、j的求和范围取决于所考虑的业务种类和网络攻击，可以根据实际的评估需求灵活调整。

2.7 模型示例

下面通过一个简单的理论模型为例说明本评估方案的具体实施过程。考虑两种业务，假设其归一化权重为({\eta }_{\mathrm{1}},{\eta }_{\mathrm{2}})=(\mathrm{0.6,0.4})。考虑两种特定的网络攻击，对于两种业务网络的归一化攻击权重矩阵设为

\left(\begin{array}{cc}{\zeta }_{\mathrm{11}}& {\zeta }_{\mathrm{12}}\\ {\zeta }_{\mathrm{21}}& {\zeta }_{\mathrm{22}}\end{array}\right)=\left(\begin{array}{cc}\mathrm{0.3}& \mathrm{0.7}\\ \mathrm{0.5}& \mathrm{0.5}\end{array}\right)，(9)

式中：第1个下标代表业务，第2个下标代表攻击。

根据评估需求，假设标准层包括2类，构建出成对比较矩阵：

{\mathit{A}}^{\mathrm{c}\mathrm{r}\mathrm{i}}=\left(\begin{array}{cc}\mathrm{1}& \mathrm{3}\\ \mathrm{1}/\mathrm{3}& \mathrm{1}\end{array}\right)\mathrm{。}(10)

每一类标准中各有2个指标，分别构建成对比较矩阵：

{\mathit{A}}_{\mathrm{1}}^{\mathrm{i}\mathrm{n}\mathrm{d}}=\left(\begin{array}{cc}\mathrm{1}& \mathrm{4}\\ \mathrm{1}/\mathrm{4}& \mathrm{1}\end{array}\right),{\mathit{A}}_{\mathrm{2}}^{\mathrm{i}\mathrm{n}\mathrm{d}}=\left(\begin{array}{cc}\mathrm{1}& \mathrm{1}/\mathrm{5}\\ \mathrm{5}& \mathrm{1}\end{array}\right)\mathrm{。}(11)

利用式（10）、式（11）中3个矩阵最大本征值对应的归一化本征向量{\mathit{w}}^{\mathrm{c}\mathrm{r}\mathrm{i}}\mathrm{、}{\mathit{w}}_{\mathrm{1}}^{\mathrm{i}\mathrm{n}\mathrm{d}}\mathrm{、}{\mathit{w}}_{\mathrm{2}}^{\mathrm{i}\mathrm{n}\mathrm{d}}，构造出所有4个细分指标的权重分布对角矩阵：

\mathit{W}=\left(\begin{array}{cccc}\mathrm{0.920}\mathrm{4}& \mathrm{0}& \mathrm{0}& \mathrm{0}\\ \mathrm{0}& \mathrm{0.230}\mathrm{1}& \mathrm{0}& \mathrm{0}\\ \mathrm{0}& \mathrm{0}& \mathrm{0.062}& \mathrm{0}\\ \mathrm{0}& \mathrm{0}& \mathrm{0}& \mathrm{0.310}\mathrm{1}\end{array}\right)\mathrm{。}(12)

根据网络结构及攻击类型，可以得到4个攻击图，每个攻击图包含若干动作，由此可以得到4个脆弱性p₁₁、p₁₂、p₂₁、p₂₂。以p₁₁为例，假设攻击图为串联形式，存在3个动作a₁、a₂、a₃，对应4个评估指标根据各动作的难度构建行动决策矩阵：

B=\left(\begin{array}{cccc}\mathrm{1}& \mathrm{5}& \mathrm{3}& \mathrm{8}\\ \mathrm{4}& \mathrm{2}& \mathrm{3}& \mathrm{1}\\ \mathrm{1}& \mathrm{2}& \mathrm{3}& \mathrm{2}\end{array}\right)，(13)

归一化后可得

\begin{array}{l}\mathit{Z}=\\ \left(\begin{array}{cccc}\mathrm{0.028}\mathrm{6}& \mathrm{0.142}\mathrm{9}& \mathrm{0.085}\mathrm{7}& \mathrm{0.228}\mathrm{6}\\ \mathrm{0.114}\mathrm{3}& \mathrm{0.057}\mathrm{1}& \mathrm{0.085}\mathrm{7}& \mathrm{0.028}\mathrm{6}\\ \mathrm{0.028}\mathrm{6}& \mathrm{0.057}\mathrm{1}& \mathrm{0.085}\mathrm{7}& \mathrm{0.057}\mathrm{1}\end{array}\right)\end{array}，(14)

最终得到加权决策矩阵：

\begin{array}{l}\mathit{Y}=\mathit{Z}\mathit{W}=\\ \left(\begin{array}{cccc}\mathrm{0.026}\mathrm{3}& \mathrm{0.032}\mathrm{9}& \mathrm{0.005}\mathrm{3}& \mathrm{0.070}\mathrm{9}\\ \mathrm{0.205}\mathrm{2}& \mathrm{0.013}\mathrm{1}& \mathrm{0.005}\mathrm{3}& \mathrm{0.008}\mathrm{9}\\ \mathrm{0.026}\mathrm{3}& \mathrm{0.013}\mathrm{1}& \mathrm{0.005}\mathrm{3}& \mathrm{0.017}\mathrm{7}\end{array}\right)\mathrm{。}\end{array}(15)

对应于4个细分指标的正理想解和负理想解分别为

\begin{array}{l}(x_{\mathrm{1}}^{+},x_{\mathrm{2}}^{+},x_{\mathrm{3}}^{+},x_{\mathrm{4}}^{+})=\\ (\mathrm{0.105}\mathrm{2,0.032}\mathrm{9,0.005}\mathrm{3,0.070}\mathrm{9});\end{array}

\begin{array}{l}(x_{\mathrm{1}}^{-},x_{\mathrm{2}}^{-},x_{\mathrm{3}}^{-},x_{\mathrm{4}}^{-})=\\ (\mathrm{0.026}\mathrm{3,0.013}\mathrm{1,0.005}\mathrm{3,0.008}\mathrm{9})\mathrm{。}\end{array}(16)

由此可以得到3个动作的脆弱性因子({\lambda }_{\mathrm{1}},{\lambda }_{\mathrm{2}},{\lambda }_{\mathrm{3}})=(\mathrm{0.548,0.452,0.916}\mathrm{4})。假设等效攻击成本c_{\mathrm{11}}=\mathrm{1}，根据式（6）可得p_{\mathrm{11}}=\mathrm{0.156}\mathrm{2}。其余3个脆弱性可由同样的方法获得，作为一个模型示例，不妨假设c_{\mathrm{12}}\mathrm{、}{c}_{\mathrm{21}}\mathrm{、}{c}_{\mathrm{22}}均趋于无穷，则p_{\mathrm{12}}=p_{\mathrm{21}}=p_{\mathrm{22}}=\mathrm{0}，最终得到的综合业务权重、攻击概率、网络脆弱性的安全性评分为S=\mathrm{1}-{\eta }_{\mathrm{1}}{p}_{\mathrm{11}}{\zeta }_{\mathrm{11}}=\mathrm{0.97}。若攻击成本c_{\mathrm{11}}增加到2，则p_{\mathrm{11}}降为0.039 5，系统的安全性评分将较高。

3 QKD安全性分析

在本文提出的安全评估方案中，攻击图取决于当前的网络架构，有着成熟的建构方案与工具。这里我们聚焦于QKD的引入对评估结果的影响。

3.1 量子攻击概率分析

由于QKD目前尚未实现大规模的应用，许多量子窃听攻击仍停留在理论和实验室阶段，因此其权重因子无法根据现有的数据库进行统计分析。本文基于通用漏洞评分系统（Common Vulnerability Scoring System， CVSS）^［23-24］对几种可能的QEA进行评分，并以各QEA的评分难度作为攻击发生概率的度量指标。目前，现实中的漏洞攻击会被收录至对应的CVE库，但由于大规模量子化通信系统尚未实际部署，该库中尚无针对量子攻击或量子漏洞的记录。因此，本文将对各类量子攻击的评分进行修正，并基于修正后的量子化CVSS框架，给出每种攻击所对应的量化评分。

目前已有的一些实用化QKD多采用诱骗态BB84协议^［25］，面临的量子窃听攻击包括波长选择型攻击（Wavelength-Selective Attack，WSA）^［26-27］、特洛伊木马攻击（Trojan Horse Attack，THA）^［28-32］、伪装态攻击（Fake State Attack，FSA）^［33-34］、激光毁灭攻击（Laser Damage Attack，LDA）^［35］、时间转换攻击（Time Shift Attack，TSA）^［36］和超线性门后攻击（Superlinearity After-gate Attack，SAGA）^［37-38］等。在CVSS评分体系中，某一攻击对应的难度主要包含如下4个维度。

1） 攻击矢量（Attack Vector，AV）

AV主要衡量介入通信系统的难度，原有的评分共分为4个不同等级，但在量子通信中，将信道视为各用户的一部分。若量子通信系统通过光纤传递信息，则Eve须以物理手段介入信道，对应原评分中的物理维度（P）；若通信系统通过空气传递信息，则Eve可远程干扰传输，对应原评分中的网络维度（N）。

2） 攻击复杂度（Attack Complexity， AC）

AC主要衡量发起攻击的复杂程度。原有评分标准仅涵盖攻击者是否需要特定条件方可发起攻击。但量子攻击与传统攻击的执行方式的区别较大，故该部分需要考虑各量子攻击的具体特性来确定具体取值。例如，利用IRA攻击采用诱骗态BB84协议的系统，由于该系统针对IRA做出了针对性的防御增强措施，导致进攻成功的概率趋近于0，故赋值应当取0。

3） 所需权限（Privileges Required，PR）

PR主要衡量攻击者发起攻击所需要的权限，由于Eve在7类主要的实用化量子攻击之中是以第三方的身份介入系统，而系统也不包含多余的电脑等设备，故权限应被视为无需拥有任何特殊权限（N）。

4） 用户交互（User Interaction，UI）

UI主要衡量攻击者发动攻击后是否需要被攻击者有意或无意的配合。在量子通信中，将其定义修正为：是否需要Alice与Bob继续正常执行BB84协议（这是因为QKD系统可执行的多余操作并不多）。换言之，Eve究竟是利用攻击获取器件的信息，进而推导出量子密钥，还是直接在Alice和Bob执行协议的过程中在保证QBER和通道透射率T的前提之下窃取信息。

综合上述4个维度，攻击难度E将由下式给出：

E=\mathrm{8.22}\times \mathrm{A}\mathrm{V}\times \mathrm{A}\mathrm{C}\times \mathrm{P}\mathrm{R}\times \mathrm{U}\mathrm{I}\mathrm{。}(17)

需要注意的是，以上得到的攻击难度E越大，表明系统越容易被攻击。以光纤传输被动架构防御增强的诱骗态BB84协议QKD系统为例，各QEA对应的CVSS评分具体数值如表1所示，其相对权重{\zeta }^{\mathrm{Q}\mathrm{E}\mathrm{A}}将根据攻击难度确定：

{\zeta }_j^{\mathrm{Q}\mathrm{E}\mathrm{A}}=\frac{E_j}{{\sum }_{j\mathrm{\text{'}}}{E}_{j\mathrm{\text{'}}}}，(18)

满足{\sum }_j{\zeta }_j^{\mathrm{Q}\mathrm{E}\mathrm{A}}=\mathrm{1}。

3.2 考虑量子攻击后的QKD‑PDS安全性分析

作为一个理论性的分析，若仅考虑某一个特定业务面临的某个特定攻击，可假设其脆弱性为p_{\mathrm{0}}=\mathrm{0.1}，对应的安全性评分为S_{\mathrm{0}}=\mathrm{1}-p_{\mathrm{0}}=\mathrm{0.9}。在部署QKD设备和网络后，假设经典攻击对应的权重为{\zeta }_{\mathrm{0}}，则每个量子窃听攻击对应的权重为(\mathrm{1}-{\zeta }_{\mathrm{0}}){\zeta }_j^{\mathrm{Q}\mathrm{E}\mathrm{A}}。由于目前尚无具体的应用数据库，无法根据攻击图得到对应的脆弱性。理论上，可采用每种攻击造成的最大误码率（QBER）反映系统在该攻击下的脆弱性p_j，由此可以得到该业务对应的安全性评分为

S=\mathrm{1}-{\zeta }_{\mathrm{0}}{p}_{\mathrm{0}}-\sum _j(\mathrm{1}-{\zeta }_{\mathrm{0}}){\zeta }_j^{\mathrm{Q}\mathrm{E}\mathrm{A}}{p}_j\mathrm{。}(19)

作为一个粗略的估算，首先假设所有的p_j=p_{\mathrm{1}}\in [\mathrm{0,0.2}]，对应的安全性评分简化为S=\mathrm{1}-{\zeta }_{\mathrm{0}}{p}_{\mathrm{0}}-(\mathrm{1}-{\zeta }_{\mathrm{0}})p_{\mathrm{1}}。此时QKD带来的安全性提升\mathrm{\Delta }S=S-S_{\mathrm{0}}在{\zeta }_{\mathrm{0}}-p_{\mathrm{1}}构成的参数空间分布情况如图5所示（假设p_j=p_{\mathrm{1}}），易知当p_{\mathrm{1}}>p_{\mathrm{0}}=\mathrm{0.1}时，，表明加入QKD后系统的安全性反而降低，这源于QKD自身脆弱性过大带来的问题。当时，系统的安全性会得到提升。当然，在实际的QKD应用方案中，由于QKD协议与设备的量子特性，需要通过合理建立量子窃听攻击下QKD网络的攻击图来确定脆弱性。

实际情况中，可能同时存在多种经典攻击，且不同量子攻击所对应的脆弱性也存在差异。此时，可以得到经典和量子攻击对应的等效平均脆弱性\overline{p_{\mathrm{0}}}和\overline{p_{\mathrm{1}}}。例如，由参考文献中给出的量子窃听攻击误码率值（如表1所示）可得\overline{p_{\mathrm{1}}}\approx \mathrm{0.08}。当\overline{p_{\mathrm{0}}}>\overline{p_{\mathrm{1}}}时，QKD的引入将会给系统的安全性带来提升；反之，若，则QKD的引入反而会降低系统安全性，此时可以针对误码率较大的量子窃听攻击（如FSA攻击）开展特别的防护策略，从而降低量子攻击下的脆弱性。此外，QKD的引入原则上也会在一定程度上降低经典攻击对应的脆弱性，从而提高系统的安全性评分。

4 结束语

本文提出的综合安全性评估方案在实际的安全性评估中具有较大的灵活性和扩展性，可以通过业务权重、攻击权重、层次化指标体系的调控匹配不同的评估对象、评估标准和应用场景。基于攻击图的脆弱性分析，可以找出系统的脆弱节点，有助于系统安全防护的精准实施。在现有发展水平下，QKD主要作为传统电力调度网络的安全增强手段，两者之间的关系较为独立。

随着QKD技术的成熟以及QKD网络的发展，未来两者深度融合是必然趋势，本文提出的安全评估方案仍然适用，其关键点在于如何建构经典-量子融合网络的攻击图。一方面，具体的量子通信协议与实施方案需要进一步研究，除了本文提及的光纤QKD，基于量子纠缠的星地量子通信也是一个重要的发展方向^［6，39］；另一方面，大规模量子通信网络架构及其与经典网络的融合目前还没有成熟的方案。

针对各类潜在通信网络架构脆弱性的理论分析是一个有趣且重要的研究问题，可以对未来的实际应用提供一定的指导性建议。

参考文献

[1] 谢海鹏， 钱雨琦， 付炜， 等. 电力系统中量子信息学的应用现状及展望［J］. 中国电机工程学报， 2023， 43（12）： 4485-4507.

[2] 蔡庆， 孙瑶. 新型电力系统背景下江西电力网络安全防护的挑战与展望［J］. 江西电力， 2023， 47（5）： 40-43.

[3] 山博轩， 杨郁. 新型电力系统通信技术应用及研究综述［J］. 智能电网， 2023， 13（6）： 93-101.

[4] 周劼英， 张晓， 邵立嵩， 等. 新型电力系统网络安全防护挑战与展望［J］. 电力系统自动化， 2023， 47（8）： 15-24.

[5] 冯宝， 李国春， 俞学豪， 等. 量子保密通信电网应用情况及研究进展［J］. 信息通信技术与政策， 2021， 47（7）： 39-45.

[6] 冯宝， 刘金锁， 牟霄寒， 等. 星地一体电力量子保密通信关键技术研究及应用［J］. 电力信息与通信技术， 2021， 19（11）： 1-8.

[7] 贾耕涛， 倪玮栋， 吴佳伟， 等. 面向能源互联网的电力量子保密通信关键技术研究及应用［J］. 电力信息与通信技术， 2020， 18（7）： 1-7.

[8] 项海波， 鲍聪颖， 费武， 等. 基于量子保密通信的电力系统技术研究与应用［J］. 长江信息通信， 2023， 36（3）： 132-135.

[9] 杨至元， 张仕鹏， 孙浩. 电力系统信息物理网络安全综合分析与风险研究［J］. 南方能源建设， 2020， 7（3）： 6-22.

[10] 姚陶， 方蓬勃， 王瑜琪， 等. 电网一张图支持下配电网信息物理融合建模系统的决策模型与优化策略［J/OL］. 自动化技术与应用， 2024-12-18.

[11] 李思. 基于业务重要度的电力通信网可靠性评估［D］. 保定： 华北电力大学， 2010： 13.

[12] 邵莹， 于继来. 采用源流路径电气剖分信息的电网脆弱性评估［J］. 中国电机工程学报， 2009， 29（31）： 34-39.

[13] 王永杰， 鲜明， 刘进， 等. 基于攻击图模型的网络安全评估研究［J］. 通信学报， 2007， 28（3）： 29-34.

[14] 胡炎， 谢小荣， 辛耀中. 电力信息系统建模和定量安全评估［J］. 电力系统自动化， 2005， 29（10）： 30-35.

[15] 汤奕， 韩啸， 吴英俊， 等. 考虑通信系统影响的电力系统综合脆弱性评估［J］. 中国电机工程学报， 2015， 35（23）： 6066-6074.

[16] 宋宇飞. 电力系统恶意数据攻击机理、风险评估及异常检测研究［D］. 长沙： 湖南大学， 2022： 56.

[17] 王增平，林一峰，王彤，等. 电力系统继电保护与安全控制面临的挑战与应对措施［J］. 电力系统保护与控制， 2023，51（6）： 10-20.

[18] 汪康康，梅生伟，魏巍，等. 基于图卷积网络的快速暂态安全评估方法［J］. 电力系统保护与控制， 2023， 51（1）： 43-51.

[19] 陈逸飞，郑子萱，肖先勇，等. 数据-物理混合驱动的配电网运行韧性评估方法与提升策略［J］. 电力系统保护与控制，2025， 53（10）： 13-22.

[20] 刘晓明，沈伊南，陈海，等. 考虑输电线路直流改造的交直流混联系统可靠性评估［J］. 电力系统保护与控制， 2026，54（5）： 97-106.

[21] 崔建清. 基于攻击图的网络安全分析方法的研究［D］. 上海： 上海交通大学， 2008： 9.

[22] Liu Nian， Zhang Jianhua， Zhang Hao， et al. Security assessment for communication networks of power control systems using attack graph and MCDM［J］. IEEE Transactions on Power Delivery， 2010， 25（3）： 1492-1500.

[23] 毛欣欣， 许榕生， 丁天昌. 一种基于CVSS的网络脆弱性评估系统［J］. 电子技术， 2009， 46（1）： 59-61.

[24] 李锐. 通用安全局同评估系统（CVSS）简介及应用建议［J］. 计算机安全， 2011（5）： 58-60.

[25] Hoi-kwong Lo， Ma Xiongfeng， Chen Kai. Decoy state quantum key distribution［J］. Physical Review Letters， 2005， 94（23）： 230504.

[26] Huang Jingzheng， Weedbrook C， Yin Zhenqiang， et al. Quantum hacking of a continuous-variable quantum-key-distribution system using a wavelength attack［J］. Physical Review A， 2013， 87（6）： 062329.

[27] Li Hongwei， Wang Shuang， Huang Jingzheng， et al. Attacking a practical quantum-key-distribution system with wavelength-dependent beam-splitter and multiwavelength sources［J］. Physical Review A， 2011， 84（6）： 062308.

[28] Jain N， Stiller B， Khan I， et al. Risk analysis of Trojan-horse attacks on practical quantum key distribution systems［J］. IEEE Journal of Selected Topics in Quantum Electronics， 2015， 21（3）： 168-177.

[29] Jain N， Anisimova E， Khan I， et al. Trojan-horse attacks threaten the security of practical quantum cryptography［J］. New Journal of Physics， 2014， 16（12）： 123030.

[30] Lucamarini M， Choi I， Ward M B， et al. Practical security bounds against the Trojan-horse attack in quantum key distribution［J］. Physical Review X， 2015， 5（3）： 031030.

[31] Luo Tingting， Liu Qiang， Sun Xiaoran， et al. Security analysis against the Trojan horse attack on practical polarization-encoding quantum key distribution systems［J］. Physical Review A， 2024， 109（4）： 042608.

[32] Vinay S E， Kok P. Extended analysis of the Trojan-horse attack in quantum key distribution［J］. Physical Review A， 2018， 97（4）： 042335.

[33] Denny T. Faked states attack and quantum cryptography protocols［PP/OL］. arXiv （2011-12-09）［2025-10-15］.

[34] Makarov V， Skaar J. Faked states attack using detector efficiency mismatch on SARG04， phase-time， DPSK， and Ekert protocols［J］. Quantum Information and Computation，2008，8（6/7）：622-635.

[35] Bugge A N， Sauge S， Ghazali A M， et al. Laser damage helps the eavesdropper in quantum cryptography［J］. Physical Review Letters， 2014， 112（7）： 070503.

[36] Zhao Yi， Fung C H F， Qi Bing， et al. Quantum hacking： Experimental demonstration of time-shift attack against practical quantum-key-distribution systems［J］. Physical Review A， 2008， 78（4）： 042333.

[37] Lydersen L， Jain N， Wittmann C， et al. Superlinear threshold detectors in quantum cryptography［J］. Physical Review A， 2011， 84（3）： 032320.

[38] Wiechers C， Lydersen L， Wittmann C， et al. After-gate attack on a quantum cryptosystem［J］. New Journal of Physics， 2011， 13（1）： 013043.

[39] Li Yang， Cai Wenqi， Ren Jigang， et al. Microsatellite-based real-time quantum key distribution［J］. Nature， 2025， 640（8057）： 47-54.

基金资助

国家电网有限公司总部科技项目(5700-202319840A-4-3-WL)

国家自然科学基金项目(12375122)