[论文解读] Switching and Data Injection Attacks on Stochastic Cyber-Physical Systems: Modeling, Resilient Estimation and Attack Mitigation

Sze Zheng Yong, Minghui Zhu+1 more|arXiv (Cornell University)|Jul 22, 2017

Smart Grid Security and Resilience被引用 4

一句话总结

本文提出了一种多模型推理方法，用于在切换攻击及执行器和传感器上的虚假数据注入攻击下，实现随机网络物理系统中的弹性状态估计。通过将系统建模为具有未知输入的隐模式切换线性系统，该方法实现了实时攻击检测、识别与缓解，在无界随机噪声和多重同时攻击下仍能获得渐近无偏的状态估计。

ABSTRACT

In this paper, we consider the problem of attack-resilient state estimation, that is to reliably estimate the true system states despite two classes of attacks: (i) attacks on the switching mechanisms and (ii) false data injection attacks on actuator and sensor signals, in the presence of unbounded stochastic process and measurement noise signals. We model the systems under attack as hidden mode stochastic switched linear systems with unknown inputs and propose the use of a multiple-model inference algorithm to tackle these security issues. Moreover, we characterize fundamental limitations to resilient estimation (e.g., upper bound on the number of tolerable signal attacks) and discuss the topics of attack detection, identification and mitigation under this framework. Simulation examples of switching and false data injection attacks on a benchmark system and an IEEE 68-bus test system show the efficacy of our approach to recover resilient (i.e., asymptotically unbiased) state estimates as well as to identify and mitigate the attacks.

研究动机与目标

• 解决在同时面临切换攻击（拓扑/模式切换）和传感器与执行器上虚假数据注入攻击的安全关键网络物理系统（CPS）中，对弹性状态估计的迫切需求。
• 应对无界随机过程和测量噪声的挑战，这些噪声限制了现有有界误差或确定性方法的适用性。
• 开发一个统一框架，实现攻击检测、识别与缓解的同步进行，同时保持渐近无偏的状态估计。
• 表征可容忍信号攻击数量和实现弹性估计所需模型数量的根本限制。
• 设计一种攻击缓解反馈控制器，即使在主动攻击下也能维持系统稳定性和性能。

提出的方法

• 将受攻击的CPS建模为具有未知输入的隐模式随机切换线性系统，将切换攻击和虚假数据注入均表示为未建模输入。
• 改编[Yong et al., 2016a]中的多模型推理算法，实现实时联合估计系统状态并推断当前攻击模式。
• 使用贝叶斯推理计算可能攻击模式的后验概率，实现对切换攻击和数据注入攻击的快速检测与识别。
• 将弹性状态估计问题表述为同时输入与状态估计任务，利用稳定性与强可检测性特性实现收敛。
• 设计一种反馈控制器，利用估计的攻击信号来抵消其影响，确保在对抗性输入下仍能实现系统调节。
• 对连续时间动态与测量模型进行离散化，以兼容实时估计，采样时间为Δt = 0.01 s。

实验结果

研究问题

• RQ1 在无界随机噪声下，传感器和执行器上可渐近校正的虚假数据注入攻击的最大数量是多少？
• RQ2 如何实现实时检测与识别对系统拓扑或模式（如输电线路或控制逻辑）的切换攻击？
• RQ3 在具有未知输入的随机切换线性系统中，攻击可检测性与可识别性的充分条件是什么？
• RQ4 如何设计一种弹性状态估计器，使其在多重同时攻击和无界噪声下仍能保持渐近无偏估计？
• RQ5 能否合成一种攻击缓解控制器，以在主动攻击下维持系统稳定性和性能？

主要发现

• 所提出的多模型推理方法在IEEE 68-bus测试系统中成功在毫秒级内检测到切换攻击和虚假数据注入攻击。
• 即使在无界高斯过程和测量噪声下，该方法仍能实现渐近无偏的状态估计，展现出对随机扰动的鲁棒性。
• 模式切换后0.5秒内，攻击模式被高精度识别，如图8(a)所示后验模式概率收敛所示。
• 执行器攻击信号被实时准确估计，估计信号与真实注入的攻击信号高度吻合（图8b）。
• 攻击缓解控制器成功将功角维持在期望的10 rad，而未缓解系统则表现出显著偏差（图9）。
• 推导出可容忍信号攻击数量的上界，且表明多模型方法所需模型数量与可能的攻击模式数量成比例。