分布式优化中共享数据篡改的检测研究
系统与控制
2025-11-03 v2 系统与控制
摘要
本文研究了交替方向乘子法(ADMM)算法在求解最优潮流(OPF)问题时的共享数据篡改脆弱性。蓄意的数据篡改可能导致ADMM算法收敛到次优解。我们基于ADMM算法的理论收敛轨迹推导了检测数据篡改的充分条件。我们在三种不同复杂度和隐蔽性水平的数据篡改策略上评估了该检测条件的性能。最简单的攻击在每次迭代时发送目标值;第二种攻击使用反馈回路寻找下一轮目标值;最后一种攻击使用双层优化寻找目标值。随后我们将这三种数据篡改策略扩展以规避该检测条件及神经网络(NN)检测模型的检测。我们还提出了一种对抗式NN训练框架来检测共享数据篡改。我们在OPF问题上展示了数据篡改策略与检测框架的性能。结果表明,所提检测条件成功检测到了大多数数据篡改攻击。然而,融合了检测方法的双层优化攻击策略可能规避检测。对此,我们提出的对抗训练框架检测到了所有双层优化攻击的实例。
引用
@article{arxiv.2310.13252,
title = {On the Detection of Shared Data Manipulation in Distributed Optimization},
author = {Mohannad Alkhraijah and Rachel Harris and Samuel Litchfield and David Huggins and Daniel K. Molzahn},
journal= {arXiv preprint arXiv:2310.13252},
year = {2025}
}