[論文レビュー] Learning-based attacks in Cyber-Physical Systems: Exploration, Detection, and Control Cost trade-offs

Anshuka Rangi, Mohammad Javad Khojasteh+1 more|arXiv (Cornell University)|Nov 21, 2020

Smart Grid Security and Resilience参考文献 50被引用数 6

ひとこと要約

本稿は、攻撃者が探索フェーズでプラントのダイナミクスを学習し、その後コントローラーをだますためにそれを悪用する、線形サイバーフィジカルシステム（CPS）における学習ベースのミドルマンインザミドル（MITM）攻撃を研究する。攻撃検出までの時間、学習期間、制御エネルギーの間のタイトなトレードオフを確立し、信頼性のある検出のための適合制約下でのだまし時間と必要な制御効率の順序最適な境界を証明する。

ABSTRACT

We study the problem of learning-based attacks in linear systems, where the communication channel between the controller and the plant can be hijacked by a malicious attacker. We assume the attacker learns the dynamics of the system from observations, then overrides the controller's actuation signal, while mimicking legitimate operation by providing fictitious sensor readings to the controller. On the other hand, the controller is on a lookout to detect the presence of the attacker and tries to enhance the detection performance by carefully crafting its control signals. We study the trade-offs between the information acquired by the attacker from observations, the detection capabilities of the controller, and the control cost. Specifically, we provide tight upper and lower bounds on the expected $ε$-deception time, namely the time required by the controller to make a decision regarding the presence of an attacker with confidence at least $(1-ε\log(1/ε))$. We then show a probabilistic lower bound on the time that must be spent by the attacker learning the system, in order for the controller to have a given expected $ε$-deception time. We show that this bound is also order optimal, in the sense that if the attacker satisfies it, then there exists a learning algorithm with the given order expected deception time. Finally, we show a lower bound on the expected energy expenditure required to guarantee detection with confidence at least $1-ε\log(1/ε)$.

研究の動機と目的

• 学習ベースのMITM攻撃が線形サイバーフィジカルシステムでどのようにして検出されずに保たれるかの条件を理解すること。
• 攻撃者の学習フェーズの期間、コントローラーの検出信頼度、制御エネルギーコストの間のトレードオフを分析すること。
• 信頼性のある検出に必要なだまし時間と制御エネルギーの基礎的下限を導出すること。
• これらの下限が順序最適であることを示すこと、すなわち特定の学習および検出戦略によって達成可能であることを示すこと。
• 与えられた期待的なだまし時間に対して高い信頼度で達成するための攻撃者が学習に費やす最小時間の定量的評価を行うこと。

提案手法

• 攻撃を二段階プロセスとしてモデル化する：探索（盗聴によるプラントダイナミクスの学習）と実行（偽のフィードバックによるコントローラーのだます）。
• コントローラーが観測されたフィードバック信号の乖離に基づいて攻撃者を検出する統計的意思決定フレームワークを用いる。
• 情報理論的ツールを用いて、信頼制約 1−ϵlog(1/ϵ) の下で期待される ϵ-だまし時間の下限を導出する。
• 攻撃者の探索フェーズ期間の確率的下限を確立し、与えられただまし時間 D に対して、それが Ω(D/log(1/ϵ)) のスケーリングを示すことを示す。
• 順序最適性を証明するため、探索時間 O(D/log(1/ϵ)) を要する学習アルゴリズムを構築し、その結果として少なくとも D の期待だまし時間が達成されることを示す。
• 時間 D 以内に検出を保証するための期待制御エネルギーの下限を導出し、それが Ω(D/log(1/ϵ)) のスケーリングを示すことを示す。

実験結果

リサーチクエスチョン

• RQ1 コントローラーが信頼度 1−ϵlog(1/ϵ) で学習ベースのMITM攻撃者を検出するために必要な最小期待時間は何か？
• RQ2 高い信頼度で目標のだまし時間 D を達成するために、攻撃者が探索フェーズに費やす時間はどのくらいか？
• RQ3 与えられた時間枠内での検出を保証するために必要な制御エネルギーの支出に、根本的な下限があるか？
• RQ4 導出されただまし時間と制御コストの下限は実際の状況でも達成可能であり、順序最適か？
• RQ5 攻撃者の学習精度、コントローラーの検出能力、システムの制御コストとの関係は何か？

主な発見

• 期待される ϵ-だまし時間は、攻撃者の学習アルゴリズムのパラメータとコントローラーの検出戦略に依存する下限によって規定され、検出可能性の根本的限界を確立する。
• 攻撃者の探索フェーズ期間に対する確率的下限は、ϵ→0 のとき Ω(D/log(1/ϵ)) である。これは、より長いだまし時間を達成するためには、より長い学習期間が必要であることを意味する。
• この下限は順序最適である：攻撃者が O(D/log(1/ϵ)) の時間だけ学習すれば、ある学習アルゴリズムが少なくとも D の期待だまし時間を達成可能である。
• 時間 D 以内に攻撃者を検出するために必要な期待制御エネルギーは、ϵ→0 のとき Ω(D/log(1/ϵ)) 以上であることが示され、制御コストと検出速度の直接的なトレードオフが明らかになる。
• 学習時間、だまし時間、制御エネルギーの間のタイトで順序最適なトレードオフが確立され、セキュアなCPS設計の理論的基盤を提供する。
• このフレームワークは広範な学習アルゴリズムと検出戦略に適用可能であり、学習ベースの攻撃の文脈において、強靭性と一般性を示している。