KaydedilenlerDerginizi ekleyin

Dergiler / Firat University Journal of Experimental and Computational Engineering / 2026 / Cilt: 5 Sayı: 3

Akıllı Sayaç ve IoT Modem Altyapıları İçin Sıfır Güven Temelli Katmanlı Siber Güvenlik ve Sıkılaştırma Çerçevesinin Deneysel Doğrulanması

Experimental Validation of a Zero-Trust-Based Layered Cybersecurity and Hardening Framework for Smart Metering and IoT Modem Infrastructures

Celal Ateşşahin(DICLE UNIVERSITY)0000-0002-7375-1329
Hüseyin Acar(DICLE UNIVERSITY)0000-0001-5127-4632
Cem Haydaroglu(DİCLE ÜNİVERSİTESİ)0000-0003-0830-5530
Sayfa
928–956
Yayın Tarihi
2026-10-25
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada, söz konusu tehditleri ele almak amacıyla sıfır güven (Zero Trust) modeli temelinde beş katmanlı bir güvenlik ve sistem sertleştirme (hardening) çerçevesi önerilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Akıllı sayaçlar ve Nesnelerin İnterneti (Internet of Things, IoT) modemleri, enerji dağıtım sistemlerinde uzaktan izleme ve yönetim faaliyetlerinin temel bileşenleri hâline gelmiştir.
📊
Temel Bulgular & Veri:Söz konusu güvenlik açıkları; donanım, yazılım/firmware, haberleşme ve veri yönetimi katmanları başta olmak üzere sistemin farklı bileşenlerinde ortaya çıkabilmektedir.
💡
Sonuç & Katkı:Bu çalışmada, söz konusu tehditleri ele almak amacıyla sıfır güven (Zero Trust) modeli temelinde beş katmanlı bir güvenlik ve sistem sertleştirme (hardening) çerçevesi önerilmektedir.
🔬Tür:Laboratuvar & Saha Deneyi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Akıllı sayaçlar · Katmanlı siber güvenlik · Sıfır güven

Özet

Akıllı sayaçlar ve Nesnelerin İnterneti (Internet of Things, IoT) modemleri, enerji dağıtım sistemlerinde uzaktan izleme ve yönetim faaliyetlerinin temel bileşenleri hâline gelmiştir. Bununla birlikte, bu cihazların yaygınlaşması enerji dağıtım altyapılarının siber saldırılara maruz kalabileceği saldırı yüzeyini de genişletmektedir. Söz konusu güvenlik açıkları; donanım, yazılım/firmware, haberleşme ve veri yönetimi katmanları başta olmak üzere sistemin farklı bileşenlerinde ortaya çıkabilmektedir. Bu çalışmada, söz konusu tehditleri ele almak amacıyla sıfır güven (Zero Trust) modeli temelinde beş katmanlı bir güvenlik ve sistem sertleştirme (hardening) çerçevesi önerilmektedir. Önerilen mimari içerisinde yedi güvenlik mekanizması bütünleşik olarak ele alınmıştır. Bu mekanizmalar; uç nokta donanım koruması, güvenli önyükleme (Secure Boot), karşılıklı kimlik doğrulama, ağ mikro-segmentasyonu, operasyonel komut doğrulama, yapay zekâ tabanlı anomali tespiti ve mahremiyet korumalı veri toplulaştırmadan oluşmaktadır. Önerilen yaklaşım, sekiz farklı değerlendirme senaryosunu içeren bir laboratuvar test ortamında doğrulanmıştır. Test senaryoları; fiziksel kurcalama, kötü amaçlı firmware, yetkisiz bağlantı, ağ taraması, hizmet engelleme (Denial-of-Service, DoS), tekrar (replay) saldırıları, düşük hızlı gizli ağ anomalileri ve veri ifşası yoluyla tüketici profillemeyi kapsamaktadır. Deneysel sonuçlarda kriptografik anahtar sıfırlama gecikmesi 14.2 ± 1.1 ms olarak ölçülmüş, yetkisiz ağ trafiği güvenlik politikaları doğrultusunda engellenmiş ve tekrar saldırısının reddedilmesiyle ilişkili SIEM uyarısı 127.08 ms içinde üretilmiştir. Uzun Kısa-Süreli Bellek (LSTM) tabanlı zaman serisi derin öğrenme modeli %95.73 doğruluk ve 0.9696 eğri altı alan (AUC) değerine ulaşmıştır. Mahremiyet katmanının değerlendirilmesinde, Dicle Elektrik Dağıtım A.Ş. Gelişmiş Ölçüm Altyapısı (Advanced Metering Infrastructure, AMI) kapsamında işletilen saha tipi akıllı sayaçlardan elde edilen anonimleştirilmiş yük profili verileri kullanılmıştır. On bir tam sayaç profilinin Çok İstemcili Fonksiyonel Şifreleme (MCFE) tabanlı saatlik toplulaştırma sonucu, 24 zaman diliminin tamamında düz metin referansıyla sıfır hata ile eşleşmiştir. Bu laboratuvar bulguları, önerilen katmanlı tasarımın akıllı sayaç ve IoT modem altyapılarında uygulanabilirliğini ve etkinliğini test edilen koşullar altında desteklemektedir.

Abstract

Smart meters and Internet of Things (IoT) modems are now essential for remote monitoring and management in energy distribution systems, but they also widen the attack surface. Vulnerabilities span the hardware, firmware, communication, and data-management layers, and this study addresses them with a five-layer security and hardening framework based on the zero-trust model. Seven mechanisms are integrated within a single architecture: endpoint hardware protection, secure boot, mutual authentication, network micro-segmentation, operational command verification, artificial intelligence-based anomaly detection, and privacy-preserving data aggregation. The framework was evaluated in a laboratory testbed across eight scenarios: physical tampering, malicious firmware, unauthorized connection, network scanning, denial-of-service, replay attacks, low-rate stealthy network anomalies, and consumer profiling via data exposure. Cryptographic key zeroization had a mean latency of 14.2 ± 1.1 ms, unauthorized network traffic was blocked according to the configured security policies, and the SIEM alert associated with replay rejection was generated within 127.08 ms. The Long Short-Term Memory (LSTM)-based time-series model achieved 95.73% accuracy with an area under the curve (AUC) of 0.9696. For the privacy layer, anonymized load-profile data obtained from field-deployed smart meters operating within the Advanced Metering Infrastructure of Dicle Electricity Distribution Inc. were used. The MCFE hourly aggregate of the 11 complete meter profiles matched the plaintext reference with zero error in all 24 hourly slots. These laboratory results support the feasibility and effectiveness of the proposed layered design for smart-meter and IoT-modem infrastructures under the tested conditions.

🔖

Bu Makaleye Atıf Yap

Ateşşahin, C., Acar, H., Haydaroglu, C. (2026). Akıllı Sayaç ve IoT Modem Altyapıları İçin Sıfır Güven Temelli Katmanlı Siber Güvenlik ve Sıkılaştırma Çerçevesinin Deneysel Doğrulanması. Firat University Journal of Experimental and Computational Engineering, Cilt: 5 Sayı: 3, 928–956. https://doi.org/10.62520/fujece.2001687

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (28)

  1. S. Tan, D. De, W.-Z. Song, J. Yang, and S. K. Das, “Survey of security advances in smart grid: A data-driven approach,” IEEE Commun. Surv. Tutorials, vol. 19, no. 1, pp. 397–422, 2017.
  2. P. O. Ajiboye, K. O.-B. O. Agyekum, and E. A. Frimpong, “Privacy and security of advanced metering infrastructure data and network: A comprehensive review,” J. Eng. Appl. Sci., vol. 71, Art. no. 91, 2024.
  3. A. Hansen, J. Staggs, and S. Shenoi, “Security analysis of an advanced metering infrastructure,” Int. J. Crit. Infrastruct. Prot., vol. 18, pp. 3–19, 2017.
  4. M. Shokry, A. I. Awad, M. K. Abd-Ellah, and A. A. M. Khalaf, “Systematic survey of advanced metering infrastructure security: Vulnerabilities, attacks, countermeasures, and future vision,” Future Gener. Comput. Syst., vol. 136, pp. 358–377, 2022.
  5. U.S. Department of Energy and U.S. Department of Homeland Security, “Assessment of electricity disruption incident response capabilities,” Rep. prepared pursuant to Executive Order 13800, Aug. 9, 2017. [Online]. Available: https://www.energy.gov/sites/prod/files/2018/05/f51/EO13800%20electricity%20subsector%20report.pdf.
  6. V. Kayalvizhy and A. Banumathi, “A survey on cyber security attacks and countermeasures in smart grid metering network,” in Proc. 5th Int. Conf. Comput. Methodol. Commun. (ICCMC), 2021.
  7. J. C. Foreman and D. Gurugubelli, “Cyber attack surface analysis of advanced metering infrastructure,” arXiv preprint arXiv:1607.04811, 2016.
  8. M. Fanlin and Y. Wei, “Summary of research on security and privacy of smart grid,” in Proc. Int. Conf. Comput. Commun. Netw. Security (CCNS), Xi’an, China, 2020, pp. 39–42.
  9. G. Bendiab, K.-P. Grammatikakis, I. Koufos, N. Kolokotronis, and S. Shiaeles, “Advanced metering infrastructures: Security risks and mitigation,” in Proc. 15th Int. Conf. Availability, Rel. Security (ARES), 2020, Art. no. 113, pp. 1–8.
  10. M. Yu, J. Zhuge, M. Cao, Z. Shi, and L. Jiang, “A survey of security vulnerability analysis, discovery, detection, and mitigation on IoT devices,” Future Internet, vol. 12, no. 2, Art. no. 27, 2020.
  11. C. Zaraket, P. Papageorgas, M. Aillerie, K. Agavanakis, and C. Salame, “Cyber security vulnerabilities of smart metering based on LPWAN wireless communication technologies,” AIP Conf. Proc., vol. 2307, no. 1, Art. no. 020050, 2020.
  12. O. Kebotogetse, R. Samikannu, and A. Yahya, “A concealed based approach for secure transmission in advanced metering infrastructure,” IEEE Access, vol. 10, pp. 84809–84817, 2022.
  13. Y. Lee, E. Hwang, and J. Choi, “A unified approach for compression and authentication of smart meter reading in AMI,” IEEE Access, vol. 7, pp. 34383–34394, 2019.
  14. P. Shanmukesh, L. Mahendra, K. JaganMohan, R. K. Senthil Kumar, and B. S. Bindhumadhava, “Secure DLMS/COSEM communication for next-generation advanced metering infrastructure,” Asian J. Converg. Technol., vol. 7, no. 1, pp. 92–98, 2021.
  15. D. Kohout, T. Lieskovan, and P. Mlynek, “Smart metering cybersecurity—Requirements, methodology, and testing,” Sensors, vol. 23, no. 8, Art. no. 4043, 2023.
  16. S.-H. Ju and H.-S. Seo, “Design key management system for DLMS/COSEM standard-based smart metering,” Int. J. Eng. Technol., vol. 7, no. 3.34, pp. 554–557, 2018.
  17. M. Fehér, D. E. Lucani, M. T. Hansen, and F. E. Vester, “Stream compression of DLMS smart meter readings,” in Proc. IEEE Int. Conf. Commun. (ICC), 2022, pp. 5517–5522.
  18. A. Ghosal and M. Conti, “Key management systems for smart grid advanced metering infrastructure: A survey,” IEEE Commun. Surv. Tutorials, vol. 21, no. 3, pp. 2831–2848, 2019.
  19. O. Kebotogetse, R. Samikannu, and A. Yahya, “Review of key management techniques for advanced metering infrastructure,” Int. J. Distrib. Sens. Netw., vol. 17, no. 8, 2021.
  20. V. Seferian, R. Kanj, A. Chehab, and A. I. Kayssi, “Identity-based key distribution framework for link-layer security of AMI networks,” IEEE Trans. Smart Grid, vol. 9, no. 4, pp. 3166–3179, 2018.
  21. D. Sadhukhan, S. Ray, M. S. Obaidat, and M. Dasgupta, “A secure and privacy-preserving lightweight authentication scheme for smart-grid communication using elliptic curve cryptography,” J. Syst. Archit., vol. 114, Art. no. 101938, 2021.
  22. I. Parvez, A. I. Sarwat, L. Wei, and A. Sundararajan, “Securing metering infrastructure of smart grid: A machine learning and localization-based key management approach,” Energies, vol. 9, no. 9, Art. no. 691, 2016.
  23. M. R. Asghar, G. Dán, D. Miorandi, and I. Chlamtac, “Smart meter data privacy: A survey,” IEEE Commun. Surv. Tutorials, vol. 19, no. 4, pp. 2820–2835, 2017.
  24. L. L. Win and S. Tonyalı, “Security and privacy challenges, solutions, and open issues in smart metering: A review,” in Proc. 6th Int. Conf. Comput. Sci. Eng. (UBMK), 2021, pp. 800–805.
  25. M. I. Ibrahem, M. M. Badr, M. M. Fouda, M. Mahmoud, W. Alasmary, and Z. M. Fadlullah, “PMBFE: Efficient and privacy-preserving monitoring and billing using functional encryption for AMI networks,” in Proc. Int. Symp. Netw., Comput. Commun. (ISNCC), 2020, pp. 1–7.
  26. T. Kivinen and M. Kojo, “More modular exponential (MODP) Diffie-Hellman groups for Internet Key Exchange (IKE),” RFC 3526, Internet Engineering Task Force, May 2003.
  27. J. Chotard, E. Dufour Sans, R. Gay, D. H. Phan, and D. Pointcheval, “Decentralized multi-client functional encryption for inner product,” in Adv. Cryptol.—ASIACRYPT 2018, vol. 11273, Lecture Notes in Computer Science, 2018, pp. 703–732.
  28. M. Abdalla, F. Bourse, A. De Caro, and D. Pointcheval, “Simple functional encryption schemes for inner products,” in Public-Key Cryptol.—PKC 2015, vol. 9020, Lecture Notes in Computer Science, 2015, pp. 733–751.