CyFence：通过受信任执行环境 Securing 网络-物理控制器
数值分析
2025-06-13 v1 机器学习
数值分析
摘要
在过去的几十年里，网络-物理系统（CPSs）经历了显著的技术演进并增加了连接性，带来了更大的网络攻击风险。由于许多CPSs用于安全关键系统，这些攻击可能导致高风险和潜在的安全损害。尽管提出了多种防御策略，但它们很少利用CPs的网络-物理本质。本文通过利用CPs的本质，提出了一种新型架构CyFence，通过添加语义检查来提高封闭环控制系统针对网络攻击的韧性，以确认系统是否按预期运行。为确保语义检查代码的安全性，我们采用现代处理器实现的受信任执行环境。我们考虑一个真实应用场景，即主动制动数字控制器，对CyFence进行评估，结果表明它能够以可忽略的计算开销来缓解不同类型的攻击。
引用
@article{arxiv.2506.10636,
title = {Structure and asymptotic preserving deep neural surrogates for uncertainty quantification in multiscale kinetic equations},
author = {Wei Chen and Giacomo Dimarco and Lorenzo Pareschi},
journal= {arXiv preprint arXiv:2506.10636},
year = {2025}
}