[논문 리뷰] Compensation of Linear Attacks to Cyber Physical Systems through ARX System Identification

Soheila Barchinezhad, Mohammad Sayad Haghighi|arXiv (Cornell University)|2020. 02. 13.

Smart Grid Security and Resilience참고 문헌 34인용 수 6

한 줄 요약

이 논문은 ARX 시스템 식별을 사용하여 선형 위장 공격 하에서 사이버-물리 시스템(CPS)에 대한 침입 탐지 및 보상 프레임워크를 제안한다. 실시간 시스템 출력을 온라인 식별기에서 예측한 모델 출력과 지속적으로 비교함으로써, 시스템은 비정상성을 탐지하고 공격 상황에서 안정성을 복원하기 위해 재식별 및 제어기 재설계를 유도한다.

ABSTRACT

Cyber-Physical Systems (CPSs) are vastly used in today's cities critical infrastructure. The cyber part of these systems usually has a network component through which cyber attacks can be launched. In this paper, we first design an intrusion detection system (IDS) by identifying the plant. We assume the initial operation period of the CPS is attack-free and learn the plant model. Then, we compare the expected output found via the identifier with the real one coming through the feedback link. Any difference greater than a threshold is deemed to be an anomaly. To compensate, once the IDS flags a change in the loop, we restart the system identification to find the new transfer function. With the estimation of the new transfer function at hand, a new controller is designed to keep the system stable. To test the idea, we took a DC motor as the plant and employed ARX identifier. MATLAB Simulink environment was used to test the proposed intrusion detection and compensation framework. We applied a set of deception attacks to the forward channel in our experiments. The obtained results prove that our detection strategy works well and timely reacts to anomalies. Moreover, they show that the compensation strategy is also effective and keeps the system stable under such attacks.

연구 동기 및 목표

• 제어 루프 내에서 사이버-물리 시스템(CPS)이 선형 위장 공격에 취약한 점을 해결한다.
• 정상 작동 중 시스템 식별 기반 실시간 침입 탐지 메커니즘을 개발한다.
• 침입 탐지 후 시스템 안정성을 복원하는 동적 보상 전략을 설계한다.
• 디지털 컨트롤러(DC 모터) 식물로 구성된 시뮬레이션된 CPS 환경에서 프레임워크의 효과성을 검증한다.

제안 방법

• 초기 공격 없이 발생하는 기간 동안 ARX(자기회귀 외부 입력 포함) 모델 식별을 통해 식물 동역학을 학습한다.
• 실시간 피드백 출력과 ARX 모델이 예측한 출력을 비교하여 비정상성을 탐지한다.
• 예측 오차가 사전 정의된 한계를 초과할 경우 임계값 기반 경고를 트리거하여 잠재적 공격를 확인한다.
• 비정상성 탐지 시, 공격 하에서의 새로운 식물 전달 함수를 추정하기 위해 시스템 식별을 재시작한다.
• 업데이트된 ARX 모델을 사용하여 제어기를 재설계하여 공격 조건 하에서도 시스템을 안정화시킨다.
• MATLAB/Simulink에서 디지털 컨트롤러(DC 모터)를 CPS 식물로 사용하여 프레임워크를 구현하고 테스트한다.

실험 결과

연구 질문

• RQ1 ARX 기반 시스템 식별은 CPS 제어 루프 내 선형 위장 공격을 효과적으로 탐지할 수 있는가?
• RQ2 시스템 식별 모듈은 공격로 인한 변동을 얼마나 빠르고 정확하게 탐지할 수 있는가?
• RQ3 재식별 및 제어기 재설계 과정은 공격 후 시스템 안정성을 복원할 수 있는가?
• RQ4 다양한 유형의 선형 공격 하에서 탐지 및 보상 프레임워크의 성능은 어떠한가?
• RQ5 임계값 기반 비정상성 탐지 메커니즘은 민감도와 임의의 경고 사이의 균형을 어떻게 유지하는가?

주요 결과

• 침입 탐지 시스템은 전방 채널에 대한 위장 공격를 적시에 탐지하여 성공적으로 식별했다.
• 공격 기간 동안 ARX 모델과 실제 시스템 출력 간의 예측 오차가 임계값을 초과하여 비정상성 탐지가 확인되었다.
• 비정상성 탐지 후 시스템은 식물 모델을 재식별하고 제어기를 재설계하여 시스템을 안정화시켰다.
• 모의 실험 결과에 따르면 보상 전략이 공격 하에서도 시스템 안정성을 효과적으로 복원했다.
• 프레임워크는 제어 루프 내 선형 공격에도 불구하고 시스템 성능을 유지하는 데 뛰어난 강건성을 보였다.
• ARX 모델링을 활용함으로써 실시간 응용에 적합한 정확하고 계산 효율적인 시스템 식별이 가능했다.