[论文解读] 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 6

一句话总结

本文提出了一种分布式未知输入观测器（UIO）方案，用于检测和隔离编队飞行无人机（UAV）中的节点和通信欺骗网络攻击。通过本地测量和残差分析，该方法可实时检测受攻击的无人机，并在保持编队稳定性的同时自动移除故障节点，性能略有下降。

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.

研究动机与目标

• 解决编队飞行无人机在节点和通信欺骗网络攻击下的脆弱性问题。
• 开发一种仅依赖本地测量的分布式故障检测与隔离（FDI）方案。
• 实现在不破坏编队稳定性的情况下自动移除受攻击的无人机。
• 在故障无人机移除后确保网络连通性与一致性维持。
• 通过六架无人机六边形编队在攻击下的数值仿真验证该方法。

提出的方法

• 为每架无人机设计一组未知输入观测器（UIOs），以在解耦网络攻击引起的未知输入影响下估计系统状态。
• 利用UIO组生成的残差检测表示网络攻击的异常行为。
• 基于阈值规则通过残差模式识别出具体负责攻击的无人机。
• 故障检测与隔离（FDI）系统在确认攻击后触发无人机移除算法。
• 移除算法确保网络保持2-连通性，从而维持通信与一致性能力。
• 该方法依赖图拉普拉斯矩阵的性质，并假设底层网络为连通且2-连通，以增强鲁棒性。

实验结果

研究问题

• RQ1 如何仅利用本地信息检测并隔离编队飞行无人机的网络攻击？
• RQ2 在多无人机系统中，何种条件可确保基于分布式UIO的FDI方案的存在性与有效性？
• RQ3 如何在不破坏一致性或网络连通性的情况下安全地从编队中移除受攻击的无人机？
• RQ4 节点和通信路径欺骗攻击对编队稳定性有何影响？如何缓解？
• RQ5 所提出的方案能否实现实时检测与隔离，同时保持编队的功能性性能？

主要发现

• 基于UIO的残差生成方法在仿真中成功检测到节点和通信路径欺骗攻击。
• 故障检测系统在所有测试攻击场景中均准确隔离出UAV-2为受攻击节点。
• UAV-2移除后编队保持稳定，形成功能但性能下降的六边形构型。
• UAV-2移除后网络仍保持连通，证实2-连通性假设支持一致性持续维持。
• 该方法在数秒内检测到攻击，残差清晰指示恶意行为来源。
• 该方案在UAV-2遭受随机数据注入和偏移攻击时表现出鲁棒性。