面向网络控制系统的基于数据驱动的虚假数据注入信号在线缓解框架
系统与控制
2025-10-21 v1 系统与控制
摘要
本文引入了一种新颖的两阶段框架，用于在线缓解虚假数据注入(FDI)信号，以提高网络控制系统(NCS)的韧性，并确保其在恶意活动存在下的安全运行。第一阶段涉及元学习，以选择堆叠集成学习架构中的基准时间序列预测模型。这通过将时间序列数据转换为连续小波变换的比例图，然后分割为图像帧以生成数据的比例-时间表示，并基于熵指标使用卷积神经网络区分不同复杂度的时间序列数据。第二阶段，所选模型实时缓解虚假数据注入信号。通过涉及差动驱动移动机器人 formations 控制的严格仿真实验，证明了该框架的有效性。通过解决NCS中的安全挑战，该框架提供了一个保持系统完整性并确保操作安全的有前景的方案。
引用
@article{arxiv.2510.17155,
title = {A Data-Driven Framework for Online Mitigation of False Data Injection Signals in Networked Control Systems},
author = {Mohammadamin Lari},
journal= {arXiv preprint arXiv:2510.17155},
year = {2025}
}
备注
17 pages, 9 figures