Fundamental Stealthiness-Distortion Tradeoffs in Dynamical Systems under Injection Attacks: A Power Spectral Analysis
在本文中,我们分析了基本的隐形失真权衡线性高斯动力系统下的数据注入攻击使用功率谱分析,而Kullback-Leibler(KL)的分歧作为隐形措施。特别是,我们得到明确的公式,功率谱的特点分析的隐瘦失真的权衡以及最坏情况下的攻击的属性。此外,一般情况下,攻击者只需要知道系统的输入输出行为,以便执行最坏情况的攻击。
2021-05-11 cs.CR cs.IT cs.SY
Stealthy bias injection attack detection based on Kullback-Leibler divergence in noisy linear systems
Uppsala University(乌普萨拉大学)
本文提出基于Kullback-Leibler散度的随机线性系统隐蔽偏置注入攻击检测方法,通过max-min优化和双凸优化解决检测问题,提升攻击检测性能。
2026-10-28 cs.SY eess.SY
Security Metrics for Uncertain Interconnected Systems under Stealthy Data Injection Attacks
KTH Royal Institute of Technology(皇家理工学院)
本文提出了一种在 stealthy 数据注入攻击下评估不确定互联系统安全性的方法,通过凸半定规划计算最坏性能损失上界,并通过电力传输电网实验验证。
2025-05-02 cs.SY eess.SY
Optimal State Estimation Synthesis over Unreliable Network in Presence of Denial-of-Service Attack: an Operator Framework Approach
在本文中,我们考虑的状态估计问题存在的拒绝服务(DoS)攻击。我们制定了这个问题作为一个状态估计问题的工厂切换测量输出。在没有攻击的情况下,状态估计器可以访问所有测量的输出,然而,在存在攻击的情况下,只有所有测量的子集可用于状态估计器。我们试图找到一个状态估计,结果在最坏情况下的攻击策略的最小估计误差。首先,我们参数化的所有状态估计器,导致在最坏情况下的攻击场景的稳定估计误差的集合。然后,我们将证明,在这个集合中的任何状态估计器可以被写为一个广义的Luenberger观测器与一个适当定义的增益。一般来说,这种双稳态增益可以是一个算子,并且可能是无界的,这与经典的静态双稳态增益相反。此外,我们将证明,找到最佳的状态估计器,结果在最小的估计误差可以作为一个凸规划的观测器运营商增益的稳定因素。这种优化在实际上是线性规划而易处理的.
2019-07-24 cs.SY eess.SY math.OC
Path Integral Methods for Synthesizing and Preventing Stealthy Attacks in Nonlinear Cyber-Physical Systems
本文采用路径积分方法合成非线性CPS中最坏情况隐蔽攻击,并设计极小极大KL控制策略缓解攻击,通过单轮导航和巡航控制验证了方法的有效性。
2025-04-23 cs.IT cs.SY eess.SY
Likelihood of Cyber Data Injection Attacks to Power Systems
Rensselaer Polytechnic Institute(伦斯勒理工学院)
本文首次分析网络数据攻击的可能性,通过建模攻击者策略,利用马尔可夫决策过程和线性规划方法研究攻击策略。
2015-12-15 cs.SY eess.SY
A Data-Driven Approach To Preserve Safety and Reference Tracking for Constrained Cyber-Physical Systems Under Network Attacks
Concordia University(康科迪亚大学)
提出一种最坏情况数据驱动控制架构,通过鲁棒异常检测器、跟踪监督模块、安全验证模块和本地应急控制器,在保证系统安全的同时最小化跟踪性能下降。
2026-06-25 cs.SY eess.SY math.OC
Vulnerability Assessment of N-1 Reliable Power Systems to False Data Injection Attacks
本文研究了大规模电力系统的脆弱性虚假数据注入(FDI)攻击,通过其物理后果。先前的工作已经表明,攻击者-防御者双层线性规划(ADBLP)可以用于确定旨在最大化目标线路上的物理功率流的FDI攻击的最坏情况后果。了解这些攻击的后果,需要考虑电力系统的操作中常用的实践,特别是实时应急分析(RTCA)和安全约束的经济调度(SCED)。在对攻击者知识进行详细假设的基础上,提出了一种ADBLP算法,并引入了一种改进的Benders分解算法来求解该ADBLP。具有2000个总线的合成德克萨斯州系统的脆弱性分析结果表明,智能FDI攻击可能导致事故后溢出。
2019-03-19 cs.SY eess.SY
Oscillations-Aware Frequency Security Assessment via Efficient Worst-Case Frequency Nadir Computation
本文针对低惯性可再生能源并网下惯性中心频率评估过于粗糙的问题,提出一种高效算法计算有限扰动下全系统母线最坏频率最低点并识别对应扰动,实现振荡感知的频率安全评估。
2024-02-26 cs.SY eess.SY
Evaluating Power System Vulnerability to False Data Injection Attacks via Scalable Optimization
Arizona State University(亚利桑那州立大学)
本文提出三种高效算法评估电力系统在虚假数据注入攻击下的脆弱性,针对IEEE 118节点和波兰2383节点系统进行评估。
2016-05-20 cs.SY eess.SY
Katz Centrality-Based Security Allocation in Positive Networks
Uppsala University(乌普萨拉大学);University of Pennsylvania(宾夕法尼亚大学);KTH Royal Institute of Technology(皇家理工学院)
本文针对正权有向图表示的网络化控制系统的隐蔽虚假数据注入攻击,提出基于Katz中心性的安全分配方法,通过半定规划分析最坏性能损失,给出与网络规模无关的优化及启发式监测节点选择方案,经仿真验证有效。
2026-08-07 cs.SY eess.SY
Vulnerability Assessment of Large-scale Power Systems to False Data Injection Attacks
Arizona State University(亚利桑那州立大学)
本文研究了大规模电力系统对虚假数据注入攻击的脆弱性,通过其物理后果来分析。本文提出了一种计算高效的算法来解决大规模电力系统中的攻击优化问题,以评估系统的脆弱性。
2020-11-01 cs.SY eess.SY
Distributionally Robust Tuning of Anomaly Detectors in Cyber-Physical Systems with Stealthy Attacks
设计弹性控制策略以减轻隐形攻击是新兴网络物理系统中的一项关键任务。在异常检测器的设计中,通常假设高斯噪声模型以保持可处理性;然而,这种假设可能导致实际的误报率显著高于预期。我们提出了一个分布鲁棒的异常检测器的噪声分布在基于矩的模糊集。我们设计了一个检测阈值,保证实际的虚警率的上限所需的一个使用广义切比雪夫不等式。此外,我们强调了一个重要的权衡之间的最坏情况下的虚警率和潜在的影响,一个隐形的攻击者有效地计算外椭球界的攻击可达状态对应的分布鲁棒检测器阈值。我们用一个数值例子说明了这种权衡,并将所提出的方法与传统的卡方检测器进行比较。
2019-09-27 cs.SY eess.SY
$N-1$ Reliability Makes It Difficult for False Data Injection Attacks to Cause Physical Consequences
本文表明,虚假数据注入(FDI)攻击的能力是非常有限的,造成物理后果的$N-1$可靠的电力系统运行与实时应急分析(RTCA)和安全约束的经济调度(SCED)。先前的工作表明,FDI攻击可以通过攻击者-防御者双层线性规划(ADBLP)设计,以在使用DCOPF重新调度后引起物理溢出。在本文中,它表明,使用DCOPF设计的攻击未能造成溢出$N-1$可靠的系统,因为系统响应建模是不准确的。一个ADBLP,准确地模拟系统的响应,提出了找到最坏情况下的物理后果,从而建模一个强大的攻击者与系统级的知识。仿真结果表明,即使与新的增强攻击的合成得克萨斯州系统与2000总线,由于$N-1$的限制,保守操作的系统,所设计的攻击只会导致意外后溢出。此外,攻击者必须控制大部分测量,并在系统中物理地创建意外事件以引起后果。因此,可以想象,但需要非常复杂的攻击者才能对使用RTCA和SCED运行的$N-1$可靠电力系统造成物理后果。
2020-03-14 cs.SY eess.SY
Can Attackers with Limited Information Exploit Historical Data to Mount Successful False Data Injection Attacks on Power Systems?
School of Electrical, Computer, and Energy Engineering, Arizona State University(亚利桑那州立大学电气、计算机与能源工程学院)
本文研究了仅利用电力系统子网络内部信息设计的不可观测虚假数据注入攻击的物理后果,通过建立多线性回归模型学习外部网络与攻击子网络的关系,并通过求解双层优化问题评估攻击后果。
2018-05-01 cs.SY eess.SY
Risk-averse controller design against data injection attacks on actuators for uncertain control systems
本文研究了一类不确定控制系统的最优控制器设计问题。我们考虑的攻击,旨在最大限度地提高攻击的影响,同时保持隐身在有限的视野。为此,我们使用条件风险值来描述与攻击影响相关的风险。最坏情况下的攻击影响的特点是使用最近提出的输出到输出$\ell_2$增益(OOG)。我们制定的设计问题,并观察到它是非凸的,很难解决。使用基于凸优化的框架和凸代理的OOG,我们提出了一个凸优化问题,近似解决了设计问题的概率证书。最后,我们通过一个数值例子来说明结果。
2022-02-28 cs.SY eess.SY math.OC
Cyber-Resilient Self-Triggered Distributed Control of Networked Microgrids Against Multi-Layer DoS Attacks
分布式电源高度渗透的网络化微电网具有无处不在的远程信息交换,可能会受到各种网络安全威胁。本文首次解决了网络化微电网中频率同步方面的共识问题,该问题受到多层拒绝服务(DoS)攻击,这可能同时影响通信,测量和控制驱动通道。提出了数据流持久性(PoDF)的统一概念,用于描述不同信息网链路上的数据不可用性,并进一步量化了多层拒绝服务攻击对层次系统的影响。利用PoDF,我们给出了拒绝服务攻击的一个充分条件,在该条件下,基于边的自触发分布式控制框架可以保持一致性.此外,为了减轻离线设计的保守性对最坏情况下的攻击,在所有代理,在线自适应方案的控制参数的开发,以充分利用所有数据传输通道的最新可用信息。最后,通过典型案例验证了所提出的网络弹性自触发分布式控制的有效性.
2022-12-11 cs.SY eess.SY
Distributed Resilient Interval Observers for Bounded-Error LTI Systems Subject to False Data Injection Attacks
本文提出一种分布式区间观测器,通过基于SVD的变换和邻居节点交集计算,在传感器和执行器遭受虚假数据注入攻击时,实现对LTI系统状态与未知输入的弹性估计,并在IEEE 14节点电力系统上验证了有效性。
2023-03-20 cs.SY eess.SY
Worst-Case Sensitivity of DC Optimal Power Flow Problems
在本文中,我们考虑的问题,分析的影响,在负载矢量的变化可以在直流潮流模型的最佳发电。该方法是基于最近推出的概念的$\mathcal{OPF}$运营商。结果表明,对于一般的网络拓扑结构计算的最坏情况下的灵敏度是计算棘手的。然而,我们表明,某些问题涉及的$\mathcal{OPF}$运营商可以等价地转换为一个图形的离散最优化问题。使用离散公式,我们提供了一个分解算法,降低了计算最坏情况下的灵敏度的计算成本。一个27节点的算例来说明我们的结果。
2020-04-03 cs.SY eess.SY math.OC
Robust Data-Driven Linear Power Flow Model with Probability Constrained Worst-Case Errors
为了限制可能对电力系统运行产生风险的不可接受的最坏情况的线性化误差的概率,这封信提出了一个强大的数据驱动的线性潮流(RD-LPF)模型。它适用于输电和配电系统,可以实现更好的鲁棒性比最近的数据驱动模型。其关键思想是通过分布鲁棒机会约束规划来概率约束最坏情况下的错误。它还可以保证所选工作点的线性化精度。与三个最近的LPF模型的比较结果表明,RD-LPF模型的最坏情况下的误差显着减少超过2- 70倍,同时减少平均误差。可以通过不同的模糊度集和转换方法来实现计算效率和精度之间的折衷。
2021-12-20 cs.SY eess.SY
Resilient Linear Classification: An Approach to Deal with Attacks on Training Data
Department of Computer \& Information Science University of Pennsylvania;University of Pennsylvania
本文提出一种鲁棒线性分类方法,通过引入多数约束,提高对抗训练数据攻击的鲁棒性,验证了传统算法在攻击下的脆弱性。
2017-08-15 cs.AI cs.CR cs.LG
OT-DETECT: Optimal Transport-Driven Attack Detection in Cyber-Physical Systems
The University of Tokyo(东京大学);Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology(佐治亚理工学院丹尼尔·古根海姆航空航天学院)
提出一种基于最优传输的分布鲁棒攻击检测算法OT-DETECT,通过1-Wasserstein模糊集和CUSUM过程实现部分观测线性随机系统的攻击检测。
2026-08-03 cs.SY eess.SP eess.SY