Skip to main content
QUICK REVIEW

[论文解读] Resilient Control under Denial-of-Service:Robust Design

Shuai Feng, Pietro Tesi|arXiv (Cornell University)|Mar 8, 2016
Distributed Control Multi-Agent Systems被引用 6
一句话总结

本文提出基于模拟与数字预测器的控制器,并结合状态重置机制,以增强网络化控制系统在拒绝服务(DoS)攻击下的鲁棒性。通过利用类脉冲式预测器在通信中断期间重构状态,控制器在一般DoS信号下仍能保持闭环稳定,实现最大可容忍的DooS频率与持续时间——即使在80%的传输故障率下,其性能仍优于静态反馈。

ABSTRACT

In this paper, we study networked control systems in the presence of Denial-of-Service (DoS) attacks, namely attacks that prevent transmissions over the communication network. The control objective is to maximize frequency and duration of the DoS attacks under which closed-loop stability is not destroyed. Analog and digital predictor-based controllers with state resetting are proposed, which achieve the considered control objective for a general class of DoS signals. An example is given to illustrate the proposed solution approach.

研究动机与目标

  • 解决在任意拒绝服务(DoS)攻击下维持网络化控制系统闭环稳定性的挑战,此类攻击会干扰通信。
  • 克服静态反馈的局限性,后者无法容忍高频或长时间的DoS攻击。
  • 设计鲁棒的控制架构,即使DoS信号不局限于特定概率分布,也能保持稳定。
  • 表征在使用基于预测器的控制时,可保证稳定性的最大可容忍DoS频率与持续时间。
  • 对比模拟与数字实现的基于预测器的控制器,识别数字系统的设计约束。

提出的方法

  • 设计基于模拟预测器的控制器,采用类脉冲式动态观测器,在新测量值到达时重置状态估计。
  • 通过周期采样实现数字控制器,通过基于系统参数推导出的控制器采样率约束确保稳定性。
  • 采用基于李雅普诺夫的分析方法证明在DoS下的稳定性,所用李雅普诺夫函数考虑了状态估计误差与DoS引起的扰动。
  • 引入状态重置机制,仅在接收到新测量值时更新预测器状态,从而在DoS期间提高估计精度。
  • 应用先前工作中提出的通用DoS模型,该模型约束攻击频率与持续时间,但不假设特定攻击模式。
  • 以DoS参数(平均攻击持续时间τ_D与攻击间隔T)及系统采样间隔Δ表示稳定性充分条件。

实验结果

研究问题

  • RQ1在何种DoS攻击频率与持续时间下,网络化控制系统的闭环稳定性可被保持?
  • RQ2在任意DoS信号下,基于预测器并结合状态重置的控制器是否能优于静态反馈?
  • RQ3在稳定性与设计约束方面,基于预测器的控制器的模拟与数字实现有何差异?
  • RQ4数字控制器需要多高的采样率才能确保对DoS攻击的鲁棒性?
  • RQ5测量噪声如何影响基于预测器的控制器在DoS间隔内的性能?

主要发现

  • 所提出的基于预测器的控制器在平均攻击持续时间τ_D ≈ 0.96 s、攻击间隔T ≈ 1.29 s的DoS信号下仍能实现闭环稳定,对应约80%的传输故障率。
  • 当Δ/τ_D + 1/T ≈ 0.8793时,基于预测器的控制器的稳定性条件得以满足,表明其对高DoS水平具有较强容忍能力。
  • 相比之下,静态反馈律要求Δ/τ_D + 1/T < 0.0321才能保持稳定,表明其约束条件要严格得多。
  • 只要采样率满足σ < 0.4744且δ < 0.1508,数字控制器即可实现与模拟版本相同的鲁棒性。
  • 在噪声条件下性能下降,仿真结果表明,当噪声幅值减小至[-0.01,0.01]时,DoS期间的状态估计精度有所提升。
  • 理论边界较为保守;仿真显示静态反馈在约40%传输故障率下仍保持稳定,而基于预测器的控制器在80%故障率下仍能维持稳定。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。