从变异体学习：利用代码变异学习并监控信息物理系统的不变量
软件工程
2018-07-31 v2 密码学与安全
机器学习
摘要
信息物理系统 (CPS) 由传感器、执行器和控制器组成，所有组件通过网络进行通信；如果任何子集遭到破坏，攻击者都可能造成重大损害。借助数据日志和 CPS 模型，攻击的物理影响有可能在任何损害发生前被检测到。然而，手动构建一个在实践中足够准确的模型极其困难。在本文中，我们提出了一种自动构建 CPS 模型的新方法，通过对在其软件组件中系统性地植入故障（“变异体”）后获得的数据轨迹应用监督机器学习。我们在一个真实世界的水净化厂模拟器上证明了该方法的有效性，提出了一个自动生成变异体、收集数据轨迹并学习基于 SVM 的模型的框架。利用交叉验证和统计模型检验，我们表明所学到的模型刻画了系统的一种不变物理属性。此外，我们通过将系统置于 55 种网络和代码修改攻击下，并表明它能在运行时生成的数据日志中检测出其中 85% 的攻击，展示了该不变量的实用性。
引用
@article{arxiv.1801.00903,
title = {Learning from Mutants: Using Code Mutation to Learn and Monitor Invariants of a Cyber-Physical System},
author = {Yuqi Chen and Christopher M. Poskitt and Jun Sun},
journal= {arXiv preprint arXiv:1801.00903},
year = {2018}
}
备注
Accepted by IEEE S&P 2018