知识系统化：面向网络-物理系统的韧性与容错

网络-物理系统（CPS）已支撑起交通、能源、制造、医疗器械和自主机器人等关键基础设施。其定义性特征是数字计算与连续物理动力学之间的紧密耦合，这使得高度非线性的故障模式成为可能。小规模扰动（来自传感器、固件、网络或物理接口）可通过估计和控制管道传播，产生难以通过传统单层推理解释的级联不稳定。本 Systematization of Knowledge（SoK）将近二十年的 CPS 韧性研究统一为结构化的 Origin-Layer-Effect（OLE）分类框架。该分类框架提供了跨层次的视角，用于理解故障如何产生、如何传播，以及为何不相关的 CPS 故障常常共享深层结构相似性。通过将 RockDrone、MAYDAY、M2MON、HACMS、 Byzantine 容错控制以及学习型恢复机制等代表性系统映射到该分类框架，我们揭示了覆盖范围、持久盲区以及故障放大不断重复的路径。我们的分析识别出四个跨越多个 CPS 领域的结构性差距：（1）物理模型操纵，（2）缺乏稳定性保证的 ML 启用控制，（3）形式模型与固件之间的语义不一致，以及（4）网络与物理层之间 forensic 可见性不足。这些见解激发了新型韧性 CPS 设计的方向，集成鲁棒控制、运行时监控、形式化保证和系统级可见性。