分布式过程估计中的虚假数据注入攻击设计
系统与控制
2021-01-15 v1 多智能体系统
系统与控制
摘要
本文考虑对分布式信息物理系统的虚假数据注入攻击设计。具有线性动力学与高斯噪声的随机过程由多个智能体节点测量，每个节点配备多个传感器。智能体节点之间构成多跳网络。每个智能体节点通过使用其传感器观测与来自邻节点的消息，经卡尔曼共识滤波计算过程的估计。能够任意操纵部分或全部智能体节点传感器观测的外部攻击者，向那些传感器观测注入误差。攻击者的目标是在满足攻击检测概率约束的前提下，使智能体节点处的估计尽可能接近预先指定值。为此，构建一个约束优化问题以寻找某类线性攻击的最优参数值。线性攻击的参数通过结合基于随机近似的拉格朗日乘子更新、以及涉及 Karush-Kuhn-Tucker（KKT）条件或在线随机梯度下降的优化技术进行在线学习。该问题在某些特殊情况下为凸。利用凸性与随机近似算法性质证明了所提算法的期望收敛性。最后，数值结果展示了攻击的有效性。
引用
@article{arxiv.2101.05567,
title = {Design of false data injection attack on distributed process estimation},
author = {Moulik Choraria and Arpan Chattopadhyay and Urbashi Mitra and Erik Strom},
journal= {arXiv preprint arXiv:2101.05567},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2002.01545