[논문 리뷰] Learning-based attacks in Cyber-Physical Systems: Exploration, Detection, and Control Cost trade-offs

Anshuka Rangi, Mohammad Javad Khojasteh외 1명|arXiv (Cornell University)|2020. 11. 21.

Smart Grid Security and Resilience참고 문헌 50인용 수 6

한 줄 요약

이 논문은 선형 사이버-물리 시스템(CPS)에서 학습 기반 중간자 공격을 연구한다. 공격자는 탐색 단계 동안 시스템의 동역학을 학습하고, 이후에 제어기의 오염된 피드백을 통해 위장한다. 이 논문은 공격 탐지 시간, 학습 기간, 제어 에너지 간의 날카로운 상충 관계를 규명하며, 신뢰도 제약 조건 하에서 신뢰할 만한 탐지에 필요한 속도와 제어 에너지의 순서 최적(lower bound)를 증명한다.

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 $1-ε\log(1/ε)$.

연구 동기 및 목표

• 학습 기반 MITM 공격가 선형 사이버-물리 시스템에서 언제든지 탐지되지 않을 수 있는 조건를 이해하는 것.
• 공격자의 학습 단계 지속 시간, 제어기의 탐지 신뢰도, 제어 에너지 비용 간의 상충 관계를 분석하는 것.
• 신뢰할 만한 탐지에 필요한 위상 시간과 제어 에너지 소비의 기본 하한을 유도하는 것.
• 이 하한이 순서 최적(order-optimal)임을 보여주며, 특정 학습 및 탐지 전략에 의해 달성 가능함을 입증하는 것.
• 일정한 기대 위상 시간을 달성하기 위해 공격자가 반드시 소요해야 할 최소 학습 시간을 정량화하는 것.

제안 방법

• 공격를 두 단계 과정으로 모델링한다: 탐색(가로채기 방식으로 시스템 동역학 학습) 및 실천(가짜 피드백으로 제어기 오염).
• 제어기가 관측된 피드백 신호의 이질성에 기반해 공격자를 탐지하는 통계적 결론 프레임워크를 사용한다.
• 정보 이론적 도구와 1−ϵlog(1/ϵ) 형태의 신뢰도 제약 조건을 사용하여 기대 ϵ-위상 시간의 하한을 도출한다.
• 공격자의 탐색 단계 지속 시간에 대한 확률적 하한을 확립하며, 주어진 위상 시간 D에 대해 Ω(D/log(1/ϵ))의 비율으로 증가해야 함을 보여준다.
• 공격자가 O(D/log(1/ϵ)) 시간 동안 탐색할 경우 최소 D의 기대 위상 시간을 달성할 수 있는 학습 알고리즘을 구성함으로써 순서 최적성(order-optimality)을 증명한다.
• 시간 D 이내에 신뢰도 1−ϵlog(1/ϵ)로 공격자를 탐지하기 위해 필요한 기대 제어 에너지의 하한을 유도하며, 이 값이 Ω(D/log(1/ϵ)) 비율로 증가함을 보여준다.

실험 결과

연구 질문

• RQ1 제어기가 학습 기반 MITM 공격자를 1−ϵlog(1/ϵ)의 신뢰도로 탐지하기 위해 필요한 최소 기대 시간은 얼마인가?
• RQ2 공격자가 목표 위상 시간 D를 고도로 신뢰할 수 있게 달성하기 위해 탐색 단계에서 얼마나 오래 머물아야 하는가?
• RQ3 주어진 시간 범위 내에서 탐지를 보장하기 위해 필요한 제어 에너지 소비에 대한 기본 하한이 존재하는가?
• RQ4 유도된 위상 시간 및 제어 비용의 하한은 실질적으로 달성 가능한가? 그리고 이 하한은 순서 최적인가?
• RQ5 공격자의 학습 정확도, 제어기의 탐지 능력, 시스템의 제어 비용 간의 관계는 무엇인가?

주요 결과

• 기대 ϵ-위상 시간은 공격자의 학습 알고리즘 파라미터와 제어기의 탐지 전략에 따라 하한이 정해지며, 탐지 가능성의 근본적 한계를 규명한다.
• 공격자의 탐색 단계 지속 시간에 대한 확률적 하한은 ϵ→0일 때 Ω(D/log(1/ϵ))이다. 이는 더 긴 위상 시간을 달성하기 위해 더 오랜 학습 시간이 필요함을 의미한다.
• 이 하한은 순서 최적이다: 공격자가 O(D/log(1/ϵ)) 시간 동안 학습할 경우, 최소 기대 위상 시간 D를 달성할 수 있는 학습 알고리즘이 존재한다.
• 시간 D 이내에 공격자를 탐지하기 위해 필요한 기대 제어 에너지 소비는 ϵ→0일 때 최소 Ω(D/log(1/ϵ))여야 하며, 이는 제어 비용과 탐지 속도 간의 직접적인 상충 관계를 보여준다.
• 학습 시간, 위상 시간, 제어 에너지 간의 날카로운, 순서 최적의 상충 관계를 규명하며, 안전한 CPS 설계를 위한 이론적 기초를 제공한다.
• 이 프레임워크는 광범위한 학습 알고리즘 및 탐지 전략에 적용 가능하며, 학습 기반 공격의 맥락에서 강건성과 일반성을 입증한다.