ICCPS：基于因果推断的信息物理系统网络攻击影响发现
密码学与安全
2023-07-27 v1 系统与控制
系统与控制
摘要
我们提出一种量化信息物理系统（CPSs）中网络攻击影响的新方法。具体而言，我们的方法可识别因对同一CPS中不同设计参数（DPs）集合发起的网络攻击而受影响的DPs。为此，我们采用因果图将DPs彼此因果关联，并量化一个DP对另一个DP的影响。利用真实世界水处理系统测试床SWaT，我们展示了因果图可通过两种方式构建：i）利用DPs控制逻辑与物理连通结构的领域知识，称之为因果领域图；ii）从运行数据日志中学习，称之为因果学习图。随后我们在使用相同DPs集合时对这两类图进行比较。分析表明，因果领域图与因果学习图间存在公共边集合，这有助于验证因果学习图。此外，我们展示学习图可发现领域图中初始未考虑的新因果关系，从而显著刻画攻击影响。我们使用因果领域图估计图参数，并使用因果学习图进行因果推断。为在SWaT全部六个阶段中学习因果学习图结构，我们试验了三种学习算法：Peter Clarke（PC）、Hill Climb（HC）搜索与Chow-Lie（CH）。最后，我们通过分析SWaT测试床上九种已知网络攻击，展示了因果图如何用于分析网络攻击影响。我们发现，使用因果学习图能以大于0.9的概率正确发现受攻击影响的DPs。
引用
@article{arxiv.2307.14161,
title = {ICCPS: Impact discovery using causal inference for cyber attacks in CPSs},
author = {Rajib Ranjan Maiti and Sridhar Adepu and Emil Lupu},
journal= {arXiv preprint arXiv:2307.14161},
year = {2023}
}
备注
35 pages, 17 figures