Secure State Estimation with Asynchronous Measurements against Malicious Measurement-data and Time-stamp Manipulation
针对线性连续时间系统在测量传输信道上遭受虚假数据攻击的情况，提出了一种基于非周期异步测量的安全状态估计方案。在对系统的输出进行采样之后，传感器通过脆弱的通信信道将由传感器索引、时间戳和测量值组成的三元组中的测量信息传输到融合中心。恶意攻击者可以通过（i）操纵时间戳和测量值;（ii）阻止传输的测量三元组;或（iii）注入假测量三元组来破坏传感器的子集。为了应对这种攻击，我们提出了基于可观测性空间分解的局部估计器的设计，其中每个局部估计器更新局部状态，并在采样测量后将其发送到融合中心。每当有一个本地更新，融合中心结合所有的本地状态，并产生一个安全的状态估计，通过采用中值算子。我们证明了良性传感器的局部估计是无偏的稳定协方差。此外，只要系统是$2p$ -稀疏可观测的，融合中心估计误差对大多数$p$损坏的传感器具有有界的期望和协方差。通过对IEEE 14节点系统的一个基准算例的应用，证明了该方案的有效性。
2023-03-30 cs.SY eess.SY
Optimal Resource Allocation between Two Nonfully Cooperative Wireless Networks under Malicious Attacks: A Gestalt Game Perspective
本文研究恶意加边攻击下蜂窝网络的最优分布式资源分配，提出博弈之博弈模型并结合几何规划与启发式算法求解，证明了格式塔Nash均衡的存在性，仿真验证了方法的鲁棒性。
2023-03-22 cs.GT cs.NI cs.SY
Security against false data injection attack in cyber-physical systems
University of Southern California（南加州大学）
本文研究了通过多传感器观测实现线性高斯过程的安全远程估计，提出了一种基于学习的过滤算法以检测恶意传感器注入攻击，并在小误报率约束下实现更高的检测概率和更低的均方误差。
2018-07-31 cs.CR cs.SY eess.SY
Max-Min Fair Sensor Scheduling: Game-theoretic Perspective and Algorithmic Solution
Hong Kong University of Science and Technology（香港科技大学）；KTH Royal Institute of Technology（皇家理工学院）；Institute of Systems Science, Chinese Academy of Sciences（中国科学院系统科学研究所）
本文从博弈论角度研究了传感器调度问题，提出了一种最大-最小公平的调度策略，并通过算法证明了其存在唯一纳什均衡。
2019-10-18 cs.SY eess.SY
A Zero-Sum Game Framework for Optimal Sensor Placement in Uncertain Networked Control Systems under Cyber-Attacks
针对不确定网络控制系统中的传感器最优配置问题，提出了一种博弈论方法。该问题被制定为一个零和游戏的两个球员，即一个恶意的对手和检测器。给定一个受保护的性能顶点，我们考虑一个检测器，与不确定的系统知识，选择另一个顶点上放置一个传感器和监测其输出的目的是检测对手的存在。另一方面，对手也具有不确定的系统知识，选择单个顶点并对其输入进行网络攻击。对手的目的是驱动攻击顶点，以最大限度地破坏受保护的性能顶点，同时保持未被检测器检测到。作为我们的第一个贡献，上述定义的零和游戏的游戏收益制定在对手的影响的风险价值。然而，这个游戏的回报对应于一个棘手的优化问题。为了解决这个问题，我们采用情景分析的方法来近似计算博弈的收益。然后，通过对零和博弈均衡的分析，确定了最优的监控者选择。通过一个10顶点网络控制系统的数值例子说明了所提出的方法。
2022-10-08 cs.SY eess.SY
Optimum Fusion of Possibly Corrupted Reports for Distributed Detection in Multi-Sensor Networks
本文提出在存在恶意节点时，利用可疑节点信息提升决策融合准确性的方法，分析了两种不同场景下的最优融合规则和性能。
2015-03-19 cs.DC cs.SY eess.SY
Fake-Acknowledgment Attack on ACK-based Sensor Power Schedule for Remote State Estimation
Hong Kong University of Science and Technology（香港科技大学）；The University of Paderborn（帕德博恩大学）；Uppsala University（乌普萨拉大学）
研究针对远程状态估计的恶意攻击，分析攻击者如何通过篡改确认信息影响传感器调度策略，提出在攻击能力有限时的攻击策略及对估计性能的影响。
2015-06-26 cs.SY eess.SY math.OC
Path Planning and Task Assignment for Data Retrieval from Wireless Sensor Nodes Relying on Game-Theoretic Learning
本文研究多移动机器人从无线传感器节点检索数据的能量高效路径规划与任务分配问题，提出基于博弈论学习的快速收敛方法以替代NP难的MES混合整数线性规划，并通过仿真验证其高效性。
2024-11-21 cs.SY eess.SY
Dynamic Watermarking: Active Defense of Networked Cyber-Physical Systems
本文研究了网络化信息物理系统安全控制问题，提出通过水印技术主动检测恶意传感器并禁用闭环控制，以提升系统安全性。
2016-06-27 cs.SY eess.SY math.DS
Learning-Based Cost-Aware Defense of Parallel Server Systems against Malicious Attacks
针对并行服务器系统的恶意攻击问题，本文提出一种基于近似minimax-Q学习的零和马尔可夫博弈算法，利用可解释线性函数逼近高效计算均衡，在平衡防御成本与性能退化的同时实现概率收敛，且收敛速度显著优于神经网络方法。
2025-07-17 cs.SY eess.SY
Stochastic Game in Remote Estimation under DoS Attacks
研究在DoS攻击下的远程状态估计，通过无线信道传输传感器对物理过程的局部估计，考虑攻击者干扰策略，传感器调整传输功率，利用零和随机游戏框架分析交互过程，推导最优功率方案并提供数值示例。
2017-05-31 cs.SY eess.SY
A Potential Game Approach for Information-Maximizing Cooperative Planning of Sensor Networks
KAIST（韩国科学技术院）
本文提出了一种潜在游戏方法，用于分布式选择信息性传感器，以最大化测量变量与目标量之间的互信息。通过证明局部效用函数导致潜在游戏，最终收敛到纯策略纳什均衡。
2014-03-04 cs.GT cs.SY eess.SY
Potential Game-Based Non-Myopic Sensor Network Planning for Multi-Target Tracking
KAIST（韩国科学技术院）
本文提出了一种基于势游戏的非短视方法，用于多目标跟踪中的移动传感器网络规划，通过多步前瞻方案解决传感器覆盖间隙导致的局部信息最大值问题，同时提出了一种利用联合策略虚构博弈和动态规划的算法，实现了计算可行性的提升。
2019-11-14 cs.SY eess.SY
Efficient Communication for Pursuit-Evasion Games with Asymmetric Information
本文研究逃避者掌握追捕者位置而追捕者仅能通过静态传感器有限次、有代价获取逃避者信息的追逃博弈，求得了双方纳什均衡控制策略与传感器最优通信策略，并揭示了逃避者困境及隐式通信现象。
2023-07-03 cs.GT cs.SY eess.SY
Game Theoretical Approach to Sequential Hypothesis Test with Byzantine Sensors
在本文中，我们考虑的问题的顺序二进制假设检验在敌手环境中的基础上，从s个传感器的观察，与警告的一个子集的c传感器被妥协的对手，其观察可以被任意操纵。我们选择达到一定水平的错误概率所需的渐近平均样本数（Amax）作为系统的性能度量。该问题被视为检测者和攻击者之间的博弈，检测者的目标是优化系统性能，而攻击者的目标是降低系统性能，我们提出了一对翻转攻击策略和投票假设检验规则，并证明了它们构成了博弈的均衡策略对.我们进一步研究了我们提出的检测方案与未知数量的受损传感器的性能，并证实了我们的结果与模拟。
2019-09-06 cs.GT cs.SY eess.SP
Sensor Scheduling in Intrusion Detection Games with Uncertain Payoffs
本研究针对入侵检测中的传感器调度问题，提出分布式加权多数算法和在线学习方法，分别处理已知与未知收益场景，高效计算纳什均衡策略并实现阶最优遗憾界。
2025-04-20 cs.GT cs.SY eess.SY
Backpressure-based Mean-field Type Game for Scheduling in Multi-Hop Wireless Sensor Networks
NYUAD Research Institute New York University Abu Dhabi（纽约大学阿布扎比分校研究学院）；Department of Mathematics KTH Royal Institute of Technology（瑞典皇家理工学院数学系）；Engineering Division New York University Abu Dhabi（纽约大学阿布扎比分校工程学院）
本文提出基于背压的均场类型博弈框架，用于优化多跳无线传感器网络中的调度，通过结合均场项和背压动态，实现局部与全局效率的平衡。
2026-01-26 cs.SY eess.SY math.OC
Cooperative Environmental Monitoring for PTZ Visual Sensor Networks: A Payoff-based Learning Approach
Tokyo Institute of Technology（东京工业大学）
本文针对PTZ视觉传感器网络，提出了一种基于博弈论合作控制和收益学习的分布式环境监测方法，通过设计势博弈效用函数和收益学习算法，使传感器无需环境先验信息即可最大化全局目标函数。
2013-02-08 cs.SY eess.SY
Resilient and Distributed Discrete Optimal Transport with Deceptive Adversary: A Game-Theoretic Approach
最佳运输（OT）是一个框架，可用于指导有限资源的最佳分配。经典的OT范例在其制定中不考虑恶意攻击，因此所设计的传输计划对对手缺乏弹性。为了解决这一问题，我们建立了一个OT框架，明确占的敌对性和隐形操纵的参与节点在网络中的运输策略设计。具体来说，我们提出了一个博弈论的方法来捕捉运输规划者和欺骗性攻击者之间的战略互动。对所建立的二人零和博弈模型的性质进行了深入的分析。我们进一步开发了一个全分布式算法来计算最优弹性运输策略，并证明了该算法收敛到鞍点均衡。最后，我们使用案例研究证明了所设计的算法的有效性。
2021-06-14 cs.SY eess.SY
Synthesis of Supervisors Robust Against Sensor Deception Attacks
我们考虑反馈控制系统，传感器读数可能会受到恶意攻击者意图对系统造成损害。我们研究这个问题的监督层的控制系统，使用离散事件系统技术。我们假设攻击者可以在系统传感器的输出到达监督控制器之前对其进行编辑。在这种情况下，我们制定的问题，合成一个监督员，是强大的对传感器读数的类编辑攻击，并提出了解决这个问题的方法。这种方法融合了不完美信息自动机上的游戏技术和部分观测离散事件系统的监督控制理论的结果。给出了所研究问题的充分必要条件。
2020-12-23 cs.SY eess.SY
An Evolutionary Game based Secure Clustering Protocol with Fuzzy Trust Evaluation and Outlier Detection for Wireless Sensor Networks
University of Guelph（圭尔夫大学）；Chongqing University（重庆大学）
在无线传感器网络中，由于其独特的特性和限制，可信和可靠的数据传输是一项具有挑战性的任务。为了获得安全的数据传输和解决安全和能源之间的冲突，在本文中，我们提出了一种基于进化博弈的安全分簇协议的模糊信任评估和离群检测的无线传感器网络。首先，提出了一种模糊信任评估方法，将传输证据转化为信任值，同时有效地降低了信任的不确定性。在此基础上，提出了一种基于K-Means的离群点检测方案，对通过模糊信任评估或信任推荐得到的大量信任值进行进一步分析。它可以发现传感器节点之间的共性和差异，同时提高离群值检测的准确性。最后，我们提出了一个基于进化博弈的安全分簇协议，以实现安全保证和节能的传感器节点之间的权衡选举时的簇头。未能成为簇头的传感器节点可以通过隔离可疑节点来安全地选择自己的簇头。仿真结果表明，我们的安全分簇协议可以有效地抵御来自内部自私或妥协节点的攻击。相应地，可以显著提高及时数据传送率。
2022-07-21 cs.AI cs.NI cs.SY
A Unified Framework for Joint Sensor Placement and Scheduling for Intrusion Detection
提出一个统一框架，将传感器放置与方向调度联合优化，通过博弈论设计效用函数并利用弱子模性实现近最优检测性能。
2026-06-19 cs.GT cs.SY eess.SY
Robust Set Partitioning Strategy for Malicious Information Detection in Large-Scale Internet of Things
Beijing Institute of Technology（北京理工大学）；Tsinghua University（清华大学）；Chinese Academy of Sciences（中国科学院）
本文提出一种鲁棒集合划分策略，通过Grassmann距离降低计算成本并保持检测性能，有效缩小分布式与集中式检测的性能差距，提升边缘节点的安全性。
2025-09-25 cs.DC cs.SY eess.SY
Dynamic Watermarking for General LTI Systems
University of California, Berkeley（加州大学伯克利分校）；University of Michigan（密歇根大学）
本文提出了一种针对通用线性时不变系统的动态水印方法，设计了新的渐近和统计检验，能检测更广泛的攻击模型，并通过自动驾驶车辆仿真验证了其在区分传感器攻击与风扰方面的有效性。
2017-09-25 cs.SY eess.SY math.OC
A Single-Adversary-Single-Detector Zero-Sum Game in Networked Control Systems
本文提出了一种博弈论的方法来解决网络控制系统中检测网络攻击的最佳传感器放置问题。该问题被制定为一个零和对策与两个球员，即一个恶意的对手和检测器。给定一个受保护的目标顶点，检测器在单个顶点放置一个传感器来监视系统并检测对手的存在。另一方面，对手选择一个顶点，通过它进行网络攻击，最大限度地破坏目标顶点，同时保持未被检测器检测到。作为我们的第一个贡献，对于给定的一对攻击和监视顶点和一个已知的目标顶点，游戏支付函数被定义为相应系统的输出到输出增益。然后，本文通过检测器，确保有界值的游戏支付的可行行动集的特征。最后，给出了一个判断给定顶点是否属于可行监控顶点集的代数充分条件。然后通过线性规划计算零和对策的混合策略纳什均衡来确定传感器的最优布置。通过一个具有给定目标顶点的10顶点网络控制系统的数值例子说明了该方法。
2022-05-27 cs.SY eess.SY math.OC
Colonel Blotto Game for Secure State Estimation in Interdependent Critical Infrastructure
Virginia Tech（弗吉尼亚理工大学）；Rutgers University（罗格斯大学）
本文提出了一种Colonel Blotto游戏框架，用于在互相关键基础设施中通过随机化传感器保护级别来减少状态估计误差，从而提高安全性和鲁棒性。
2019-11-05 cs.GT cs.IT cs.SY
Reactive Synthesis of Sensor Revealing Strategies in Hypergames on Graphs
University of Florida（佛罗里达大学）；U.S. Army Research Laboratory（美国陆军研究实验室）
针对CPS传感器干扰攻击问题，本文提出图上超博弈建模非对称信息欺骗场景，设计基于逆向归纳的传感器暴露策略算法，通过案例验证其增强CPS安全性的有效性。
2024-12-02 cs.GT cs.RO cs.SY
Secure Analysis of Dynamic Networks under Pinning Attacks against Synchronization
在本文中，我们首先考虑了复杂网络的钉扎节点选择和控制增益协同设计问题。给出了钉扎受控网络在齐次状态下同步的充要条件。建立了一个定量模型来描述钉扎成本，并将钉扎节点选择和控制增益设计问题转化为相应的优化问题。算法来有效地解决这些问题。在此基础上，考虑了恶意攻击者的存在，建立了防御者和恶意攻击者的资源分配模型。我们建立了一个主从Stackelberg博弈框架来研究双方的行为，并研究了这个安全博弈的均衡。数值例子和模拟来证明的主要结果。
2019-09-02 cs.SI cs.SY eess.SY
Generative Adversarial Learning for Trusted and Secure Clustering in Industrial Wireless Sensor Networks
Chongqing University of Posts and Telecommunications（重庆邮电大学）；University of Guelph（圭尔夫大学）
传统的机器学习技术已被广泛应用于建立信任管理系统。然而，训练数据集的规模会显著影响系统的安全性能，而由于缺乏关于新攻击的标记数据，检测恶意节点是一个很大的挑战。针对这一问题，提出了一种基于生成对抗网络（GAN）的工业无线传感器网络信任管理机制。首先，采用第二类模糊逻辑来评估传感器节点的信誉，同时减轻不确定性问题。然后，收集信任向量训练一个基于GAN的编解码器结构，用于进一步的恶意节点检测。此外，为避免正常节点因错误检测而永久隔离于网络之外，构建了基于GAN的信任赎回模型，增强了信任管理的弹性。基于最新的检测结果，提出了一种适应动态工业环境的信任模型更新方法。最后将该信任管理机制应用于安全分簇中，实现了数据的可靠实时传输，仿真结果表明，该机制的检测率高达96%，误报率低于8%。
2022-10-14 cs.AI cs.NI cs.SY
Synthesizing Attack-Aware Control and Active Sensing Strategies under Reactive Sensor Attacks
我们考虑的概率规划问题的防御者（P1）谁可以联合查询传感器，并采取控制行动，以达到一组目标状态，同时意识到可能的传感器攻击的对手（P2）谁拥有完美的观察。为了合成一个可证明正确的，攻击感知的联合控制和主动感知策略P1，我们构建了一个随机对策图与增强状态，包括实际的游戏状态（只知道攻击者），防守者的信念关于游戏状态（由攻击者根据他的知识防守者的观察）。我们提出了一个算法来计算一个基于信念的，随机化的策略P1，以确保满足可达性目标的概率为1，在最坏情况下的传感器攻击进行了知情的P2。我们证明了算法的正确性，并举例说明。
2022-11-29 cs.GT cs.SY eess.SY
Understanding Police Force Resource Allocation using Adversarial Optimal Transport with Incomplete Information
针对警力资源分配中恶意节点信息仅被对手掌握的问题，本文将对抗最优输运建模为不完全信息贝叶斯博弈，提出贝叶斯均衡及可实现该均衡的分布式算法，以支持大规模网络应用。
2024-03-01 cs.GT cs.SY eess.SY
Event-Triggered State Observers for Sparse Sensor Noise/Attacks
UCLA Electrical Engineering Department（加州大学洛杉矶分校电气工程系）
本文提出两种算法用于稀疏噪声下的状态重构，通过事件触发技术提升计算效率，以应对物理系统中的恶意攻击。
2014-09-19 cs.CR cs.IT cs.SY
Remote Estimation Games with Random Walk Processes: Stackelberg Equilibrium
本文将受监视的远程估计建模为攻击者与防御者间的Stackelberg博弈，引入信息泄露与采样成本，并在平稳概率策略下刻画均衡。
2024-12-01 cs.GT cs.IT cs.SY
