[论文解读] Secure Estimation for Unmanned Aerial Vehicles against Adversarial Cyber Attacks.

Qie Hu, Young Hwan Chang+1 more|arXiv (Cornell University)|Jan 1, 2016

Guidance and Control Systems被引用 2

一句话总结

本文提出了一种计算高效的无人机线性时不变系统安全估计算法，可抵御任意、无界且时变的传感器攻击，且对攻击者的行为假设极少。通过将该估计算法与卡尔曼滤波器结合，实现了在对抗性网络攻击下的鲁棒状态估计，仿真结果在两种无人机攻击场景中得到验证。

ABSTRACT

In the coming years, usage of Unmanned Aerial Vehicles (UAVs) is expected to grow tremendously. Maintaining security of UAVs under cyber attacks is an important yet challenging task, as these attacks are often erratic and difficult to predict. Secure estimation problems study how to estimate the states of a dynamical system from a set of noisy and maliciously corrupted sensor measurements. The fewer assumptions that an estimator makes about the attacker, the larger the set of attacks it can protect the system against. In this paper, we focus on sensor attacks on UAVs and attempt to design a secure estimator for linear time-invariant systems based on as few assumptions about the attackers as possible. We propose a computationally efficient estimator that protects the system against arbitrary and unbounded attacks, where the set of attacked sensors can also change over time. In addition, we propose to combine our secure estimator with a Kalman Filter for improved practical performance and demonstrate its effectiveness through simulations of two scenarios where an UAV is under adversarial cyber attack.

研究动机与目标

• 解决无人机在面对传感器测量中不可预测且无界的对抗性网络攻击时的安全挑战。
• 设计一种在攻击者行为假设极少的情况下仍能运行的安全部估计算法，以最大化系统鲁棒性。
• 确保估计算法在被攻击传感器集合随时间动态变化时仍保持有效性。
• 通过将安全估计算法与卡尔曼滤波器结合，提升实际应用中的估计精度。
• 通过真实无人机攻击场景的仿真，验证所提方法的有效性。

提出的方法

• 为线性时不变系统设计一种安全估计算法，其对攻击者行为的假设极少。
• 将安全估计问题建模为可容忍传感器数据中任意且无界测量污染的问题。
• 设计一种计算高效的算法，可在不了解攻击模式的前提下识别并抑制恶意传感器输入。
• 允许被攻击传感器集合随时间动态变化，确保系统持续具备鲁棒性。
• 将安全估计算法与标准卡尔曼滤波器集成，以提升实际无人机运行中的估计精度。
• 通过仿真评估验证估计算法在真实对抗性攻击条件下的性能。

实验结果

研究问题

• RQ1 如何设计一种安全估计算法，以在对攻击者行为假设极少的情况下，有效抵御无人机传感器的任意且无界攻击？
• RQ2 被攻击传感器集合的动态变化对安全估计算法的性能与稳定性有何影响？
• RQ3 将安全估计算法与卡尔曼滤波器结合后，如何提升其在真实世界无人机场景中的估计精度？
• RQ4 当攻击者不受任何边界或模式限制时，该方法能实现多高的对抗性攻击鲁棒性？

主要发现

• 所提出的安全部估计算法在无需事先了解攻击特征的情况下，能有效抵御任意且无界的传感器攻击。
• 即使被攻击传感器集合随时间动态变化，该估计算法仍能保持系统稳定性和估计精度。
• 与卡尔曼滤波器的集成显著提升了安全估计算法在仿真环境中的实际估计性能。
• 仿真结果表明，该方法在两种不同的无人机攻击场景中均表现出强鲁棒性，证实其在对抗条件下的可行性。
• 该方法具有高度的计算效率，适用于无人机平台的实时部署。