针对线性化状态估计的隐身攻击的渐近学习需求

信息论隐身攻击是一类数据注入攻击，其在最小化操作员关于状态变量所获信息量的同时，限制受攻击时测量分布与正常运行时分布之间的 Kullback-Leibler 散度，以控制检测概率。对于高斯分布的状态变量，攻击构建需要了解状态变量的二阶统计量，这些统计量利用有限数量的过去实现通过样本协方差矩阵进行估计。在此框架下，研究了基于样本协方差矩阵的攻击构建的攻击性能。这导致了对攻击构建中所用状态变量协方差矩阵学习所需数据量的分析。利用渐近随机矩阵理论工具刻画了遍历攻击性能，并给出了攻击性能方差的界。在 IEEE 测试系统上通过仿真评估了遍历性能与方差界。