[論文レビュー] Distributed Unknown-Input-Observers for Cyber Attack Detection and Isolation in Formation Flying UAVs

Lebsework Negash, Sanghyeon Kim+1 more|arXiv (Cornell University)|Jan 23, 2017

Distributed Control Multi-Agent Systems参考文献 32被引用数 6

ひとこと要約

本稿では、編隊飛行ドローン（UAV）におけるノードおよび通信偽装サイバー攻撃の検出と分離を目的とした分散型未知入力観測器（UIO）方式を提案する。局所的測定値と残差解析を用いて、本手法はリアルタイムで損傷を受けたUAVを検出可能であり、故障ノードの自動除去を可能にするとともに、性能が低下しても編隊の安定性を維持する。

ABSTRACT

In this paper, cyber attack detection and isolation is studied on a network of UAVs in a formation flying setup. As the UAVs communicate to reach consensus on their states while making the formation, the communication network among the UAVs makes them vulnerable to a potential attack from malicious adversaries. Two types of attacks pertinent to a network of UAVs have been considered: a node attack on the UAVs and a deception attack on the communication between the UAVs. UAVs formation control presented using a consensus algorithm to reach a pre-specified formation. A node and a communication path deception cyber attacks on the UAV's network are considered with their respective models in the formation setup. For these cyber attacks detection, a bank of Unknown Input Observer (UIO) based distributed fault detection scheme proposed to detect and identify the compromised UAV in the formation. A rule based on the residuals generated using the bank of UIOs are used to detect attacks and identify the compromised UAV in the formation. Further, an algorithm developed to remove the faulty UAV from the network once an attack detected and the compromised UAV isolated while maintaining the formation flight with a missing UAV node.

研究の動機と目的

• 編隊飛行ドローンのノードおよび通信偽装サイバー攻撃に対する脆弱性に対処すること。
• 局所的測定値のみを用いて動作する分散型故障検出・分離（FDI）方式を開発すること。
• 編隊の安定性を損なわず、損傷を受けたUAVを自動的に除去できること。
• 故障UAVの除去後もネットワーク接続性および一貫性の維持を確保すること。
• 攻撃下での6機のUAVで構成される六角形編隊の数値シミュレーションを通じて、手法の有効性を検証すること。

提案手法

• 各UAVに未知入力観測器（UIO）のバンクを設計し、サイバー攻撃由来の未知入力を分離しながらシステム状態を推定する。
• UIOバンクから生成された残差を用いて、サイバー攻撃を示す異常を検出する。
• しきい値に基づくルールを用いて、残差パターンから攻撃の原因となった特定のUAVを同定する。
• 故障検出・分離（FDI）システムは、攻撃の確認後、UAV除去アルゴリズムを起動する。
• 除去アルゴリズムは、ネットワークが2連結の状態を維持することを保証し、通信および一貫性能力を保持する。
• 本手法はグラフラプラシアンの性質に依存しており、耐障害性を確保するため、基盤となるネットワークが連結かつ2連結であると仮定する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、局所的情報のみを用いて編隊飛行ドローンにおけるサイバー攻撃を検出し分離できるか？
• RQ2 マルチUAVシステムにおける分散型UIOベースFDI方式の存在および有効性を保証する条件は何か？
• RQ3 一貫性またはネットワーク接続性を損なわず、損傷を受けたUAVを安全に編隊から除去するにはどうすればよいか？
• RQ4 ノードおよび通信経路偽装攻撃が編隊の安定性に与える影響は何か。また、それらをどのように緩和できるか？
• RQ5 提案手法は、リアルタイムで攻撃を検出し分離できるか。また、機能的な編隊性能を維持できるか？

主な発見

• UIOベースの残差生成は、シミュレーションにおいてノードおよび通信経路偽装攻撃の両方を成功裏に検出できた。
• 故障検出システムは、すべてのテスト攻撃シナリオにおいてUAV-2を損傷ノードとして正確に分離した。
• UAV-2の除去後も編隊は安定しており、機能的ではあるが性能が劣化した六角形配置を維持した。
• UAV-2の除去後もネットワークは接続状態を保ったことから、2連結性の仮定が継続的な一貫性を支えることを確認した。
• 攻撃は数秒以内に検出され、残差は明白に悪意ある行動の原因を示していた。
• 本手法は、UAV-2に対するランダムなデータインジェクションおよびオフセット攻撃に対しても、頑健性を示した。