[論文レビュー] Attack-resilient Estimation for Linear Discrete-time Stochastic Systems with Input and State Constraints

Wenbin Wan, Hunmin Kim+2 more|arXiv (Cornell University)|Mar 19, 2019

Fault Detection and Control Systems参考文献 26被引用数 4

ひとこと要約

本稿は、状態および入力制約を伴う線形離散時間確率的システムに対する攻撃耐性のある推定アルゴリズムを提案する。非制約最適推定値を制約付きの実行可能集合に射影することで、推定誤差および誤差分散を低減し、攻撃下でも推定誤差の実用的指数的安定性を保証する。

ABSTRACT

In this paper, an attack-resilient estimation algorithm is presented for linear discrete-time stochastic systems with state and input constraints. It is shown that the state estimation errors of the proposed estimation algorithm are practically exponentially stable.

研究の動機と目的

• システム制約を悪用するステルス的アクチュエータ攻撃に対して脆弱なサイバー物理システム（CPS）の課題を解決する。
• 統計的検定（例：χ²検定）の感度を向上させるために、推定誤差分散を最小化することで攻撃検出の信頼性を向上させる。
• 状態および入力に物理的・運用的制限を同時に反映する制約付き推定フレームワークを構築する。
• 攻撃下における推定誤差の実用的指数的安定性を形式的に確立し、長期的なロバストネスを保証する。
• 動的制約および敵対的入力を伴うマルチエージェントシステムにおけるアルゴリズムの有効性を実証する。

提案手法

• 各時刻において、標準的なカルマンフィルタの原則に従い、制約なしの最適線形推定器を設計する。
• 状態およびアクチュエータ攻撃に関する不等式制約によって定義される実行可能集合に、非制約推定値を射影する。
• 射影により推定誤差および誤差分散を低減し、凸最適化を用いて計算の実行可能性を維持する。
• 状態および入力変数に線形不等式制約を課した凸最適化問題として制約付き推定を定式化する。
• 時間再帰的推定フレームワークに射影ステップを統合し、リアルタイム適用性を維持する。
• 位置、速度、加速度制約を伴うマルチエージェントロボットシステムにアルゴリズムを適用し、性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 状態および入力制約下でアクチュエータ攻撃が発生する状況において、推定誤差および誤差分散をどのように最小化できるか？
• RQ2 制約付き推定は、統計的閾値が限られた確率的システムにおける攻撃検出の信頼性を向上させ得るか？
• RQ3 射影による制約の導入時、推定誤差の安定性挙動はいかなるものか？
• RQ4 誤差低減および検出性能の観点から、制約付き推定アルゴリズムは非制約推定と比べてどのように差がつくか？
• RQ5 結合された物理的制約および敵対的入力を伴うマルチエージェントシステムにおいて、提案手法はレジリエンスを維持できるか？

主な発見

• 制約付き推定アルゴリズムは、非制約推定と比較して推定誤差および誤差分散の両方を低減する。
• 推定誤差は実用的指数的安定であるため、攻撃条件下でも誤差増大が時間的に有界に保たれる。
• 射影に基づく手法は、物理的および運用的制約を強制することで、推定精度を体系的に向上させる。
• マルチエージェントシステムにおける数値シミュレーションでは、制約付き推定が非制約推定と比較して顕著に低い誤差分散を達成している。
• 誤差分散の低減に起因して、正規化されたχ²検定統計量が上昇するため、攻撃は効果的に検出可能である。
• 周期的アクチュエータ攻撃およびエージェント間距離制約が存在する状況でも、手法はレジリエンスを維持する。