[論文レビュー] Switching and Data Injection Attacks on Stochastic Cyber-Physical Systems: Modeling, Resilient Estimation and Attack Mitigation

Sze Zheng Yong, Minghui Zhu+1 more|arXiv (Cornell University)|Jul 22, 2017

Smart Grid Security and Resilience被引用数 4

ひとこと要約

本稿では、スイッチング攻撃およびセンサ・アクチュエータにおける偽装データインジェクション攻撃の下で、確率的サイバーフィジカルシステム（CPS）におけるレジilientな状態推定のためのマルチモデル推論手法を提案する。未知入力を伴う隠れモードスイッチング線形システムとしてシステムをモデル化することで、リアルタイムでの攻撃検出、同定、緩和が可能となり、非有界な確率的ノイズおよび複数同時攻撃下でも漸近的に不偏な状態推定が達成される。

ABSTRACT

In this paper, we consider the problem of attack-resilient state estimation, that is to reliably estimate the true system states despite two classes of attacks: (i) attacks on the switching mechanisms and (ii) false data injection attacks on actuator and sensor signals, in the presence of unbounded stochastic process and measurement noise signals. We model the systems under attack as hidden mode stochastic switched linear systems with unknown inputs and propose the use of a multiple-model inference algorithm to tackle these security issues. Moreover, we characterize fundamental limitations to resilient estimation (e.g., upper bound on the number of tolerable signal attacks) and discuss the topics of attack detection, identification and mitigation under this framework. Simulation examples of switching and false data injection attacks on a benchmark system and an IEEE 68-bus test system show the efficacy of our approach to recover resilient (i.e., asymptotically unbiased) state estimates as well as to identify and mitigate the attacks.

研究の動機と目的

• 安全が求められるサイバーフィジカルシステム（CPS）が、トポロジーやモードにおけるスイッチング攻撃およびセンサ・アクチュエータにおける偽装データインジェクション攻撃にさらされている状況において、レジリエントな状態推定の重要性に対応する。
• 有界誤差または決定論的アプローチの適用性を制限する非有界な確率的プロセスおよび測定ノイズの課題に取り組む。
• 同時に攻撃検出、同定、緩和を可能にする統一的なフレームワークを構築し、漸近的に不偏な状態推定を維持する。
• 耐容可能な信号攻撃の数およびレジリエント推定に必要なモデル数の根本的限界を特定する。
• 攻撃の影響を相殺するフィードバック制御則を設計し、攻撃が進行中であってもシステムの安定性と性能を維持する。

提案手法

• 攻撃を受けたCPSを、未知入力を伴う隠れモード確率的スイッチング線形システムとしてモデル化し、スイッチング攻撃および偽装データインジェクションを未モデル化された入力として表現する。
• Yongら（2016a）のマルチモデル推論アルゴリズムを改変し、リアルタイムでのシステム状態推定と現在の攻撃モードの推論を統合的に実行する。
• ベイズ推論を用いて、可能な攻撃モードに関する事後確率を計算し、スイッチングおよびデータインジェクション攻撃の迅速な検出と同定を可能にする。
• 安定性および強い可検出性の性質を活用して、入力と状態の同時推定問題として、耐障害性のある状態推定問題を定式化する。
• 推定された攻撃信号を用いて、その影響を相殺するフィードバック制御則を設計し、悪意ある入力に対してもシステムの規制を保証する。
• 連続時間のダイナミクスおよび測定モデルを、リアルタイム推定との互換性を確保するため、Δt = 0.01 sのサンプリング時間で離散化する。

実験結果

リサーチクエスチョン

• RQ1 非有界な確率的ノイズ下で、センサおよびアクチュエータにおける偽装データインジェクション攻撃の最大数はどれくらいまで漸近的に是正可能か？
• RQ2 トポロジーやモード（例：送電線や制御論理）におけるスイッチング攻撃は、どのようにリアルタイムで検出・同定可能か？
• RQ3 未知入力を伴う確率的スイッチング線形システムにおける攻撃検出可能性および同定可能性の十分条件は何か？
• RQ4 複数同時攻撃および非有界ノイズ下でも、漸近的に不偏な推定を維持できる耐障害性のある状態推定器はどのように設計可能か？
• RQ5 アクティブな攻撃下でもシステムの安定性と性能を維持できる攻撃緩和型制御則を合成可能か？

主な発見

• 提案されたマルチモデル推論手法は、IEEE 68バステストケースにおいて、ミリ秒未塔でスイッチング攻撃および偽装データインジェクション攻撃を検出できることを示している。
• 非有界なガウス分布のプロセスおよび測定ノイズ下でも、漸近的に不偏な状態推定が達成され、確率的擾乱に対してレジリエントであることが実証された。
• モードスイッチング後0.5秒以内に攻撃モードが高精度で同定され、図8(a)の事後モード確率の収束から裏付けられている。
• アクチュエータ攻撃信号がリアルタイムで正確に推定され、推定信号が真の注入攻撃信号をよく追従している（図8b）。
• 攻撃緩和型フィードバック制御則により、10 radの所望の位相角が維持された一方、緩和なしのシステムでは著しいずれいが生じた（図9）。
• 耐容可能な信号攻撃数の上限が導出され、マルチモデル手法に必要なモデル数が、可能な攻撃モード数に比例して増加することが示された。