34、基于AI的网络物理系统安全分析认证游戏与AI系统共识构建新方法

基于AI的网络物理系统安全分析认证游戏与AI系统共识构建新方法

基于AI的网络物理系统安全分析认证游戏

在对基于AI的网络物理系统（CPS）进行安全分析时，会采用一种认证游戏的方式。在这个过程中，认证代理会进行可达集计算以评估系统的运行安全性。然而，由于系统参数提取不准确，可达集计算可能会出现误差。

当认证代理发现可达集的交集可能意味着系统不安全时，它可以停止游戏并判定系统不安全。但这种交集也可能在分析过程的误差范围内，此时认证代理会回到原始要求，将安全分析结果提供给制造商，并要求重新考虑数据共享协议。制造商可以决定重复某些步骤，游戏继续进行。

以一个示例LC系统为例，如果制造商仅提供加速度 (a_x) 和 (w) 的观测值，系统会被判定为不安全。不安全集在图中用红色框表示，它代表了车辆变道时的安全距离。这种不安全判定可能是由于参数提取误差导致的。认证代理会展示LC系统的可达集如何随每个参数变化，例如图中展示了可达集随参数 (a) 的变化情况。

制造商重复的步骤如下：
1. 步骤1：新传感器 ：制造商可以向认证代理提供汽车的速度或位置信息。由于速度已经可以通过自动驾驶汽车的速度计测量，制造商无需安装新传感器；但要测量位置，则需要安装接近传感器。为了节省成本，制造商选择向认证代理提供速度参数。
2. 步骤2：模型提取和更新安全分析 ：
- 模型提取 ：当认证代理获得速度 (v_x)、加速度 (a_x) 和 (w) 后，可以按以下步骤生成系统：
- 动作1 ：与之前的步骤相同