无需知晓物理规律：基于过程的工业控制系统无模型异常检测的鲁棒性

近年来，学界提出了若干面向工业控制系统(Industrial Control Systems)的基于过程的异常检测方案。本文首次对此类方案进行系统性分析，并提出一套由这些检测系统所验证属性的分类法。随后，我们提出一种生成对抗性欺骗信号以违背系统物理属性的通用框架，并利用该框架分析发表于顶级安全会议的四种异常检测器。我们发现其中三种检测器易受多种对抗操纵（例如利用预计算模式进行欺骗）的影响，我们称之为合成传感器欺骗(Synthetic Sensor Spoofing)，而有一种对攻击具有鲁棒性。我们探究其鲁棒性的根源，证明它来自我们所引入的属性。我们的攻击降低了受攻击方案的召回率(真阳性率)，使其无法正确检测异常。因此，我们在异常检测器中发现的漏洞表明（尽管初始检测性能良好），这些检测器无法可靠地学习系统的物理属性。即便是先前工作基于已验证属性预期可抵御的攻击，也被证实能够成功。我们认为，我们的发现表明既需要在数据集中构建更完整的攻击，也需要对基于过程的异常检测器进行更批判性的分析。我们计划将实现开源，并附上由本框架生成的一组合成传感器欺骗攻击所扩展的两个公开数据集。