[论文解读] Robust State Estimation against Sparse Integrity Attacks

Duo Han, Yilin Mo+1 more|arXiv (Cornell University)|Jan 16, 2016

Fault Detection and Control Systems参考文献 10被引用 5

一句话总结

本文提出了一种针对线性时不变系统在稀疏完整性攻击下的鲁棒状态估计框架，其中最多有 $ p $ 个传感器受到破坏。通过使用带有 $ L_1 $ 正则化的凸优化问题，当 $ p < m/2 $ 时，该估计器可实现鲁棒性，确保估计误差有界，并提供攻击引起的偏差的紧致上界。

ABSTRACT

We consider the problem of robust state estimation in the presence of integrity attacks. There are $m$ sensors monitoring a dynamical process. Subject to the integrity attacks, $p$ out of $m$ measurements can be arbitrarily manipulated. The classical approach such as the MMSE estimation in the literature may not provide a reliable estimate under this so-called $(p,m)$-sparse attack. In this work, we propose a robust estimation framework where distributed local measurements are computed first and fused at the estimator based on a convex optimization problem. We show the sufficient and necessary conditions for robustness of the proposed estimator. The sufficient and necessary conditions are shown to be tight, with a trivial gap. We also present an upper bound on the damage an attacker can cause when the sufficient condition is satisfied. Simulation results are also given to illustrate the effectiveness of the estimator.

研究动机与目标

• 解决在最多 $ p $ 个传感器遭受完整性攻击时，网络物理系统中不可靠状态估计的挑战。
• 克服经典最小均方误差（MMSE）和卡尔曼滤波在任意传感器操纵下失效的局限性。
• 开发一种分布式估计框架，通过凸优化融合本地测量，以确保鲁棒性。
• 建立鲁棒性的充分必要条件，该条件为紧致条件，仅有微小间隙。
• 量化在鲁棒性条件下攻击者可能造成的最大损害，提供性能边界。

提出的方法

• 构建一个带有 $ L_1 $ 正则化的凸优化问题，以最小化估计误差，同时惩罚对本地估计的大幅偏离。
• 采用分布式架构，每个传感器计算本地估计，远程估计器通过优化框架融合这些估计。
• 引入惩罚参数 $ heta $，以平衡在攻击情况下的鲁棒性与正常条件下的最优性。
• 基于受破坏传感器数量 $ p $ 推导鲁棒性的必要与充分条件，表明当 $ p < m/2 $ 时鲁棒性成立。
• 应用拉格朗日对偶性和次梯度分析，刻画最优解并推导估计误差差距的边界。
• 利用可到达性分析和椭球逼近方法，量化攻击下的最坏偏差，提供估计误差的上界 $ u( ilde{x}) $。

实验结果

研究问题

• RQ1 当最多 $ p $ 个传感器受到完整性攻击时，状态估计器在何种条件下仍能保持鲁棒性？
• RQ2 与经典 MMSE 或卡尔曼滤波相比，所提出的带有 $ L_1 $ 正则化的凸优化框架如何提升鲁棒性？
• RQ3 在攻击与正常情况之间，估计误差差距的最紧可能上界是什么？
• RQ4 惩罚参数 $ heta $ 的选择如何影响在攻击下鲁棒性与无攻击时最优性之间的权衡？
• RQ5 所提出的估计器是否能保证即使攻击者控制了相当大比例的传感器，估计误差仍为有界？

主要发现

• 鲁棒性的充分必要条件为 $ p < m/2 $，该条件被证明为紧致条件，仅有微小间隙。
• 当 $ p < m/2 $ 时，所提出的估计器可保证估计误差有界，且攻击引起的最坏偏差被上界 $ u( ilde{x}) $ 所限制，该上界已明确推导。
• 当 $ p \to m/2 $ 时，估计误差差距的上界增大；当 $ p > m/2 $ 时，估计变为无界，证实了理论阈值。
• 仿真结果表明，较小的 $ heta $ 值（如 $ heta = 0.1 $）可得到更紧的攻击偏差上界，表明鲁棒性更优。
• 当 $ heta = 10 $ 时，估计器在正常条件下接近卡尔曼滤波性能（98% 恢复概率），但在攻击下表现较差，验证了鲁棒性与最优性之间的权衡。
• 真实误差差距 $ \|g(\tilde{x}) - g(z)\|_1 $ 密切遵循推导出的上界 $ \mu(\tilde{x}) $，验证了理论性能边界的准确性。