基于学习的信息物理系统漏洞分析
密码学与安全
2022-04-11 v3 机器学习
系统与控制
系统与控制
摘要
本工作关注深度学习在信息物理系统（CPS）漏洞分析中的应用。具体而言，我们考虑一种广泛用于 CPS（如机器人系统）的控制架构，其中底层控制基于例如扩展卡尔曼滤波器（EKF）和异常检测器。为便于分析潜在传感攻击可能造成的影响，我们的目标是开发支持学习的攻击生成器，能够设计可最大化降低系统运行性能的隐蔽攻击。我们展示了如何将此类问题纳入基于学习的灰盒框架，其中攻击者已知部分运行时信息，并引入两种基于前馈神经网络（FNN）的模型；两种模型均离线训练，采用结合攻击对估计误差及用于异常检测的残差信号影响代价函数，使训练后的模型能够实时递归生成此类有效的传感器攻击。所提方法的有效性在多个案例研究中得到验证。
引用
@article{arxiv.2103.06271,
title = {Learning-Based Vulnerability Analysis of Cyber-Physical Systems},
author = {Amir Khazraei and Spencer Hallyburton and Qitong Gao and Yu Wang and Miroslav Pajic},
journal= {arXiv preprint arXiv:2103.06271},
year = {2022}
}