IF-CPS：面向网络物理系统的影响函数——诊断、精炼与安全归因统一框架
系统与控制
2026-03-24 v1 系统与控制
摘要
通过行为克隆训练的神经网络控制器日益被部署于网络物理系统（CPS）中，但实践者缺乏将控制器故障追溯至训练数据的工具。现有数据归因方法假设独立同分布的数据和标准损失目标，忽略了网络物理系统特有的属性：闭环动力学、安全约束和时序轨迹结构。我们提出IF-CPS，一种模块化的影响函数框架，包含三个针对网络物理系统适配的变体：安全影响函数（归因约束违反）、轨迹影响函数（对轨迹进行时序折扣）和传播影响函数（通过植物动力学追踪效应）。我们在诊断、精炼和安全归因任务上对IF-CPS进行评估。IF-CPS在大多数设置下均优于标准影响函数，在Pendulum（5-10%投毒）中实现AUROC ，在HVAC（10%）中实现 vs. ，并在Pendulum中实现最强的约束边界相关性（Spearman ）。
引用
@article{arxiv.2603.21543,
title = {IF-CPS: Influence Functions for Cyber-Physical Systems -- A Unified Framework for Diagnosis, Curation, and Safety Attribution},
author = {Jiachen Li and Shihao Li and Soovadeep Bakshi and Jiamin Xu and Dongmei Chen},
journal= {arXiv preprint arXiv:2603.21543},
year = {2026}
}