鲁棒检测被篡改分布式观测器中的偏置攻击 via 分布式 H_∞ 合成
Robust Detection of Biasing Attacks on Misappropriated Distributed Observers via Decentralized $H_\infty$ synthesis
AI总结：
本文提出一种分布式 H_∞ 合成方法，用于检测分布式观测器中的偏置篡改攻击。通过为观测器设计攻击模型，采用两步设计流程，首先在集中化设置下实现各节点在线计算攻击检测器参数，随后将检测器嵌入网络以检测篡改节点。
摘要：
我们开发了一种分布式 H_∞ 合成方法，用于检测分布式观测器中的偏置篡改攻击。其起点是为观测器配备一个攻击模型，然后用于设计攻击检测器。提出了一种两步设计流程。首先，进行一个初始集中化设置，使每个节点能够在线计算其攻击检测器的参数，以分布式方式，而不与其他节点交互。每个这样的检测器都使用 H_∞ 方法进行设计。接下来，将攻击检测器嵌入到网络中，使它们能够通过网络互连中的创新来检测篡改节点。
英文摘要：
We develop a decentralized $H_\infty$ synthesis approach to detection of biasing misappropriation attacks on distributed observers. Its starting point is to equip the observer with an attack model which is then used in the design of attack detectors. A two-step design procedure is proposed. First, an initial centralized setup is carried out which enables each node to compute the parameters of its attack detector online in a decentralized manner, without interacting with other nodes. Each such detector is designed using the $H_\infty$ approach. Next, the attack detectors are embedded into the network, which allows them to detect misappropriated nodes from innovation in the network interconnections.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
