论文研究-一种自发的完全隐蔽物理信息系统中的虚假数据攻击方法

该论文探讨了针对信息物理系统(CPSs)的完全隐形虚假数据注入(FDI)攻击策略。作者提出了自动生成的攻击序列,不依赖CPSs的实时数据,实现了对监测残差的完全消除影响,同时分析了攻击的能量隐形性。通过建立系统模型,定义攻击条件,展示了在确保能量有界的前提下,设计FDI攻击以达到完全隐身和能量隐身的条件。该方法在ieee6总线电力系统的仿真中验证了其优越性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

False data injection attacks with complete stealthiness in cyber–physical systems: A self-generated approach

论文题目:False data injection attacks with complete stealthiness in

cyber–physical systems: A self-generated approach

论文出处:Automatica

发表时间:2020年

论文作者及单位:张天予(东北大学信息科学与工程学院);叶丹(东北大学流程工业综合自动化国家重点实验室)

论文创新点:本文的主要贡献有:(1)针对CPSs中的无界FDI攻击提出了完全隐形的概念。(2)本文研究的FDI攻击是与Mo和Sinopoli(2010)的攻击类似的自生成序列,不利用CPSs中的实时数据。(3)基于自生成的变系数攻击序列,给出了实现完全隐身的充分必要条件。(4)基于自生成的变系数攻击序列,给出了实现完全隐身的充分必要条件。

问题研究背景:网络攻击主要分为三大类:拒绝服务攻击、重放攻击和虚假数据注入攻击。DoS攻击可以中断通信通道,阻碍数据接收。DoS攻击者可以通过分配有限的攻击能力来提高对cps的攻击影响。重放攻击记录并覆盖通信数据以降低系统性能。对于满足特殊结构的cps,回复攻击自然暴露于监视器。与上述攻击类型不同的是,虚假数据注入攻击在网络层修改数据,其危险性和复杂性更大。因此,近年来FDI攻击行为的研究成为人们关注的焦点。

问题构建(详细介绍模型):本文研究了当传感器受到完全隐形的虚假数据注入(FDI)攻击时,信息物理系统(CPSs)动态状态估计的安全性问题。完全隐形的FDI攻击可以完全消除其对监测残差的影响,对残差检测器的隐身性能优于现有的FDI攻击。基于独立于CPSs实时数据的自生成的FDI攻击,提出了FDI攻击能够完全隐形的攻击参数的充要条件。在此基础上,引入完全隐形的外国直接投资攻击的能量隐形性,使残差上的累计攻击能量有界。然后,给出了具有能量隐形性的FDI攻击的存在性和设计条件。最后,通过ieee6总线电力系统验证了FDI攻击具有完全隐形的优越性。

问题求解思路(详细介绍):考虑系统模型:\[\begin{array}{*{20}{c}} {x(k + 1) = Ax(k) + Bu(k) + w(k)}\\ {y(k) = Cx(k) + v(k)} \end{array}\]

本文主要研究攻击者通过系统模型矩阵A、B、C、K和L,将FDI攻击注入传感器输出。虚假传感器数据如下建模\[{y^ * }(k) = \tilde y(k) + {\rm{\Gamma }}a(k) = C{x^ * }(k) + {\rm{\Gamma }}a(k) + v(k)\] ,FDI攻击下的CPSs体系结构如图所示。

图1.FDI攻击下的系统框架

进一步,当FDI攻击发生时,将系统模型重写:\[\begin{array}{*{20}{c}} {​{x^ * }(k + 1) = A{x^ * }(k) + B{u^ * }(k) + w(k)}\\ {​{y^ * }(k) = C{x^ * }(k) + {\rm{\Gamma }}a(k) + v(k)}\\ {​{​{\hat x}^ * }(k + 1) = A{​{\hat x}^ * }(k) + B{u^ * }(k) + L{z^ * }(k + 1)} \end{array}\]

我们分别定义估计误差和残差的攻击组件分别分别为ea(k)= e *(k) - e(k)和za(k)= z *(k) - z(k)。此外,我们获得以下动态模型:\[\begin{array}{*{20}{l}} {​{e^a}(k + 1) = (A - LCA){e^a}(k) - L{\rm{\Gamma }}a(k + 1)}\\ {​{z^a}(k + 1) = CA{e^a}(k) + {\rm{\Gamma }}a(k + 1)} \end{array}\] ,很容易看到EA(-1)= 0,因为在-1时间不发生FDI攻击。

完全隐身:如果存在常数α,则无绑定的FDI攻击具有完全的隐私性,因为任何K∈N[0,∞),FDI攻击使上述误差系统满足  \[\mathop {\lim }\limits_{k \to \infty } {e^a}(k) = \infty ,{z^a}(k) \le \alpha ,\mathop {\lim }\limits_{k \to \infty } {z^a}(k) = 0\]

能量隐身:如果存在常数β,以使FDI攻击在Eq中有残差,那么无界FDI攻击具有进一步的能量隐私性。误差系统满足 \[{\rm{||}}\mathop \sum \limits_{l = 0}^k {z^a}(l)|| \le \beta ,\forall k \in [0,\infty )\] 

因此,本文FDI攻击的设计目标总结如下:对于在FDI攻击下的系统,攻击者旨在实现能量隐私性的完全隐身。通过设计FDI攻击参数来实现上述问题中的攻击目标,分三个步骤:(1)介绍独立于CPSs实时数据的自生成FDI攻击,并分析其攻击有效性和隐形性等性能。(2)提出了自生成FDI攻击参数的设计条件,实现完全隐身。(3)分析了FDI攻击能源隐形性的存在性及参数设计条件。FDI攻击的初值a(0)通过求解以下方程得到: ,其中 为常数。ν是a的一个不稳定本征值λ对应的本征向量。

主要结论(详细介绍):本文基于自生成方法,分析了状态估计过程中完全隐形的FDI攻击。与现有的FDI攻击方案不同,完全隐形的FDI攻击可以随着时间的推移消除其对被监测残差的影响。然后,通过分析攻击估计误差和残差的轨迹方程,给出了自生成变系数FDI攻击完全隐身的设计条件。接着,我们引入了能量隐形的FDI攻击,作为完全隐形的FDI攻击的特例,进一步研究了其存在性和设计条件。通过对具有完全隐形性和不具有完全隐形性的外国直接投资攻击的对比仿真,说明了所提出的方法的优越性

### FDI 攻击下的微电网安全性分析 在智能系统中,虚假数据注入(False Data Injection, FDI攻击一种针对状态估计过程的高级网络攻击[^1]。这种攻击通过篡改传感器读数或通信链路中的测量值来误导控制中心的状态估计模块,从而影响系统的正常运行而不触发报警机制。 对于微电网而言,其分布式能源资源和复杂的控制系统使其成为潜在的目标对象。FDI攻击可能利用微电网内的量测漏洞,例如PMU(相位测量单元)或其他监控设备的数据流,进而干扰电力调度决策、增加能量损耗甚至引发局部停电事故。 为了防范此类威胁,可以采取多种软硬件相结合的方法: #### 软件层面防御策略 一种有效的手段是增强状态估计算法的安全性,比如引入基于残差检测的技术用于识别异常模式;或者采用加密技术保护传输过程中敏感信息不被非法修改。此外,还可以部署机器学习模型预测并阻止可疑行为的发生。 #### 硬件支持防护方案 从物理角度出发,加强关键基础设施如变电站自动化装置等区域边界防护尤为重要。这包括但不限于实施严格的访问权限管理政策以及定期更新固件版本以修补已知安全缺陷。同时,考虑冗余设计原则——即使部分组件遭到破坏仍能维持基本功能运作也是必要的预防措施之一。 ```python def detect_fdi_attack(measurements): """ Detects potential False Data Injection (FDI) attacks by comparing current measurements against expected values. Args: measurements (list): A list of sensor readings from various points within a microgrid. Returns: bool: True if an anomaly indicative of an FDI attack is detected; otherwise False. """ threshold = calculate_normal_threshold() # Define normal operational thresholds based on historical data anomalies_found = any(abs(m - e) > threshold for m,e in zip(measurements, get_expected_readings())) return anomalies_found ``` 上述代码片段展示了一个简单的函数`detect_fdi_attack()`用来判断是否存在超出设定阈值范围之外的变化情况作为初步筛查依据。 ### 结论 综上所述,在面对日益增长的信息网络安全挑战时,构建具备鲁棒性的防御体系至关重要。只有当理论研究与实际应用紧密结合,并不断优化改进现有方法才能有效抵御诸如FDI这样的复杂攻击形式带来的风险。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值