针对具有未知控制目标攻击者的基于说服的鲁棒传感器设计

本文提出一种鲁棒传感器设计框架，在随机控制系统中针对一类控制目标仅由其类型决定的未知类型攻击者提供“基于说服”的防御。为有效控制，此类攻击者的行动取决于其对系统底层状态的信念。我们设计了一种鲁棒的“线性加噪声”信令策略来编码传感器输出，以策略性方式塑造攻击者的信念，从而说服攻击者采取相对于系统目标造成最小损害的行为。我们采用的具体模型是由一个具有（部分）“未知”恶意/良性控制目标的控制器所驱动的 Gauss-Markov 过程。我们寻求在传感器为领导者的 Stackelberg 均衡解概念下，以鲁棒方式防御控制目标上最坏可能的分布。我们证明了后验信念协方差矩阵的一个充要条件是某个线性矩阵不等式，并给出了相应信令策略的闭式解。这使我们能够构建一个等价的易处理问题，实际上是一个半定规划，来“全局地”计算鲁棒传感器设计策略，尽管原始优化问题是非凸且高度非线性的。我们还将该结果推广到传感器进行含噪或部分测量的场景。最后，我们对多种场景下的后续性能进行了数值分析。