Resilient Primal-Dual Optimization Algorithms for Distributed Resource Allocation
在许多网络物理系统中,分布式多代理资源分配算法可以提供集中式算法的隐私性和可扩展性。然而,这些算法的分布式性质可能使这些系统容易受到中间人攻击,这可能导致资源分配方案的不收敛和不可行性。在本文中,我们提出了攻击弹性分布式算法的基础上原始对偶优化拜占庭攻击者存在于系统中。特别是,我们设计了攻击弹性的原始对偶法的静态和动态模拟攻击的鲁棒统计。对于静态模仿攻击,我们制定了一个鲁棒的最优化模型,并表明我们的算法保证收敛到鲁棒问题的最优解的邻域。另一方面,一个强大的最优化模型是不需要的动态模拟攻击的情况下,我们能够设计一个算法,收敛到一个接近最优解的原始问题。我们分析了我们的算法的性能,通过理论和计算研究。
2020-09-15 cs.SY eess.SY math.OC
Switching and Data Injection Attacks on Stochastic Cyber-Physical Systems: Modeling, Resilient Estimation and Attack Mitigation
Arizona State University(亚利桑那州立大学);Pennsylvania State University(宾夕法尼亚州立大学);Swiss Federal Institute of Technology (ETH)(瑞士联邦理工学院(苏黎世联邦理工学院))
本文研究在随机过程中和测量噪声存在下,如何通过多模型推理算法实现鲁棒状态估计,以应对切换机制攻击和传感器信号注入攻击,并讨论攻击检测与缓解方法。
2017-07-22 cs.CR cs.SY eess.SY
An Efficient Resilient MPC Scheme via Constraint Tightening against Cyberattacks: Application to Vehicle Cruise Control
提出一种通过约束收紧的弹性MPC框架,应对周期性DoS攻击下的不确定线性系统,利用卡尔曼滤波检测攻击并离线计算不确定性界限,实现在线高效计算,并在ACC问题上验证有效性。
2023-10-12 cs.SY eess.SY math.OC
Resilient Control of Platooning Networked Robotic Systems via Dynamic Watermarking
联网的机器人系统,如联网的车辆排,可以通过允许高速协调来提高运输网络的安全性和效率。为了实现这种协调,这些系统依赖于网络通信。这可能使他们容易受到网络攻击。虽然加密或专门设计的网络拓扑等安全方法可能会增加成功执行此类攻击的难度,但这些技术无法保证针对攻击者的安全通信。更麻烦的是,这些安全方法无法确保单个代理能够检测到更改特定消息内容的攻击。为了确保在这种攻击下的弹性行为,本文制定了一个网络化的线性时变版本的动态水印,其中每个代理生成并添加一个私人激励到其相应的机器人子系统的输入。本文证明,这种方法可以使网络机器人系统中的每个代理都能够检测网络攻击。通过改变车辆之间发送的测量值,本文说明了攻击者可以在一个队列中创建不稳定的行为。通过利用本文提出的动态水印方法,检测到的攻击,允许车队中的车辆优雅地降级到一个非通信控制策略,保持安全跨越各种场景。
2021-06-14 cs.SY eess.SY math.OC
Resilient Extremum Seeking Control for Cyber-Physical Systems Under Denial-of-Service Attacks
Rio de Janeiro State University(里约热内卢州立大学);University of California San Diego(加州大学圣地亚哥分校)
针对DoS攻击下的网络物理系统,提出一种基于保持最近成功传输信号的弹性离散时间极值搜索控制架构,证明其在确定性及概率性攻击下的收敛性,并揭示零输入策略与抖动同步攻击可导致优化偏差。
2026-09-15 cs.SY eess.SY math.OC
On the performance analysis of resilient networked control systems under replay attacks
研究了离散线性定常系统在状态和输入约束下的弹性控制问题。状态测量和控制命令通过通信网络传输,并且可能被对手破坏。特别是,我们认为重放攻击者恶意重复从操作员发送到执行器的消息。我们提出了一种变化的滚动时域控制律来处理重放攻击,并分析了由此产生的系统性能下降。竞争力(Resp.)合作)资源分配问题的弹性网络控制系统进行了研究。
2013-07-10 math.OC
Attack-resilient observer pruning for path-tracking control of Wheeled Mobile Robot
FAMU-FSU College of Engineering(佛罗里达农工大学-佛罗里达州立大学工程学院)
针对轮式移动机器人路径跟踪控制中虚假数据注入攻击绕过残差监控的问题,提出抗攻击观测器剪枝算法,排除受攻陷通道,以高概率实现100%攻击定位精度,增强UKF抗攻击能力,并通过DDWMR双层平台仿真验证有效性。
2020-09-07 cs.RO cs.SY eess.SY
Resilient Sensor Placement for Kalman Filtering in Networked Systems: Complexity and Algorithms
给定一个受噪声影响的线性动力系统,我们研究了在传感器配置预算约束下,以最小化相应卡尔曼滤波器的稳态误差协方差迹为目标的传感器优化配置问题。虽然这个问题是NP-困难的一般情况下,我们考虑与系统动力学矩阵相关联的底层图,并专注于当有一个单一的输入在图中的节点之一的情况下。我们提供了一个最优策略(在多项式时间计算)放置在网络上的传感器。接下来,我们考虑攻击的问题(即,在传感器攻击预算约束下移除)所放置的传感器,以便最大化所得到的卡尔曼滤波器的稳态误差协方差的迹线。利用传感器放置问题的见解,我们提供了一个最优策略(计算多项式时间)来攻击放置的传感器。最后,我们考虑的情况下,一个系统设计师放置传感器的传感器放置预算约束,然后攻击对手放置的传感器受到传感器攻击预算约束。弹性传感器布局问题是寻找一种传感器布局策略,使在攻击后幸存的传感器所对应的卡尔曼滤波器的稳态误差协方差的迹最小。我们证明了该问题是NP难的,并给出了一个伪多项式时间算法来求解。
2020-06-24 cs.SY eess.SY math.OC
On the Impacts of Redundancy, Diversity, and Trust in Resilient Distributed State Estimation
本文研究了易受攻击环境下线性动态过程的分布式状态估计问题。最近试图解决这个问题强加了严格的冗余要求的测量和网络的通信资源。在本文中,我们采取了一个步骤,以减轻这种严格的要求,探索两个互补的方向:(i)使一小部分的节点免疫攻击,或“可信”,(ii)将多样性纳入网络。我们定义了图论的结构,正式捕获冗余,多样性和信任的概念。基于这些结构,我们开发了一个弹性估计算法,并证明了即使是相对稀疏的网络,无论是表现出节点多样性,或包含一个小的子集的可信节点,可以作为更密集的网络对抗性攻击的弹性。最后,在网络设计预算有限的情况下,我们重点研究了(i)选择一组可信节点和(ii)分配多样性的复杂性,以达到所需的鲁棒性水平。不幸的是,我们确定这些问题中的每一个都是NP完全的。
2020-01-20 cs.SY eess.SY math.OC
Resilient Learning-Based Control for Synchronization of Passive Multi-Agent Systems under Attack
University of Notre Dame(圣母大学)
本文提出分布式事件触发控制框架,用于在带宽受限网络中实现被动多智能体系统的同步并减少通信负载,同时分析了拜占庭攻击对同步的影响,并提出学习方法以缓解攻击影响。
2017-09-28 cs.SY eess.SY math.OC
A Zeroth-order Resilient Algorithm for Distributed Online Optimization against Byzantine Edge Attacks
本文针对拜占庭边攻击下的分布式在线优化问题,提出一种仅利用函数值信息的零阶弹性算法,并给出动态遗憾上界及仿真验证。
2025-11-07 math.OC
Resilient Distributed Estimation: Sensor Attacks
研究了传感器攻击下的多智能体分布式估计问题。个体代理对属于紧凑集的未知参数进行传感器测量,并且在每个时间步,代理的传感器测量的一部分可能会受到攻击并取任意值。我们提出了饱和创新更新($\mathcal{SIU}$)算法的分布式估计传感器攻击的弹性。在迭代$\mathcal{SIU}$算法下,如果小于一半的代理传感器受到攻击,则所有代理的估计以多项式速率(关于迭代次数)收敛到真实参数。$\mathcal{SIU}$对传感器攻击的弹性不依赖于代理间通信网络的拓扑,只要它保持连接。我们通过数值例子证明了$\mathcal{SIU}$的性能。
2018-06-24 math.OC
Resilient distributed resource allocation algorithm under false data injection attacks
针对一阶非线性多智能体系统在虚假数据注入攻击下的分布式资源分配问题,提出了一种弹性分布式算法。智能攻击者将虚假数据注入代理的致动器和传感器中,使得代理根据受损的控制输入和交互信息执行算法。攻击者的目标是使多智能体系统变得不稳定,使智能体的决策偏离最优资源分配。首先,我们分析了分布式资源分配算法在FDI攻击下的鲁棒性。然后,未知的非线性项和虚假数据注入代理被认为是扩展状态,可以估计的扩展状态观测器。该估计被用于反馈控制中以抑制FDI攻击的影响。提出了一种基于扩展状态观测器的弹性分布式资源分配算法,该算法在不需要攻击者的任何信息的情况下,保证了算法能够收敛到最优分配.最后给出了一个例子来说明结果。
2022-12-06 math.OC
Relaxing Integrity Requirements for Attack-Resilient Cyber-Physical Systems
Duke University(杜克大学)
本文研究了在隐蔽攻击下间歇性完整性保障对系统性能的影响,通过线性估计器和残差基入侵检测器,证明即使传感器测量完整性仅间歇性保障,攻击影响仍被显著限制。
2018-01-11 cs.CR cs.SY eess.SY
Attack-resilient Estimation of Switched Nonlinear Stochastic Cyber-Physical Systems
研究了一类随机噪声下切换非线性系统的抗攻击估计问题。系统同时受到信号攻击和切换攻击的威胁。将该问题转化为隐模切换系统的状态、攻击向量和模式的联合估计问题。我们提出了一种估计算法,它是由一个银行的状态和攻击向量估计器和模式估计器。模式估计器基于由获得的输出和预测的输出之间的差异引起的模式的后验概率来选择最可能的模式。我们正式分析了与真实模式相关的估计器的估计误差的概率稳定性时,隐藏模式是时不变的,但仍然未知。对于隐模切换线性系,我们讨论了一种降低由未知信号攻击位置引起的计算复杂性的方法。最后,我们提出了数值模拟上的IEEE 68节点测试系统显示的估计性能随时间变化的模式与常规模式集和减少模式集。
2017-05-08 math.OC
Resilient Set-based State Estimation for Linear Time-Invariant Systems Using Zonotopes
研究了时变传感器攻击下线性时不变系统基于集合的状态估计问题。只要LTI系统是稳定的且可通过每个传感器观察到的,并且至少有一个传感器未受到损害,我们就保证真实状态始终包含在估计集中。为了提高计算效率,我们使用zonotopes来表示这些集合。然而,我们表明,智能设计的隐形攻击可能会导致算法的最坏情况下的复杂性呈指数增长。我们提出了几种策略来处理这个复杂性的问题,并说明我们的弹性zonotope-based状态估计算法的旋转目标系统。
2022-11-15 cs.CR cs.SY eess.SY
Attack-Resilient H2, H-infinity, and L1 State Estimator
研究了稀疏传感器完整性攻击下噪声系统的安全状态估计问题。我们展示了一个基本的限制:即,2 r-可检测性是实现有界估计误差所必需的,其中r是攻击的数量。这个条件比文献中通常假设的2 r-可观测性条件弱。相反,我们提出了一个实时的状态估计器,实现的基本限制。建议的状态估计器的灵感来自鲁棒控制和FDI:即,它包括本地Luenberger估计器,本地残差检测器,和一个全球融合过程。我们展示了它对H2,H-无穷大和L1系统的性能保证。最后,数值例子表明,它有相对较低的估计误差在现有的算法和平均计算时间的系统与足够少的妥协的传感器。
2018-03-19 math.OC
Robust Resilient Signal Reconstruction under Adversarial Attacks
针对恶意稀疏信号破坏,本文融合深度学习与估计理论构建约束优化方法,并提出剪枝算法降低攻击定位假阳性,给出重构条件与误差界,且通过配水系统仿真验证。
2023-04-27 math.OC
Resilient Distributed Optimization Algorithms for Resource Allocation
分布式算法为资源分配问题提供了优于集中式算法的灵活性,例如,网络物理系统然而,这些算法的分布式性质往往使系统容易受到中间人攻击,特别是当消息之间的价格采取代理和中央协调员传输。在原对偶分布式优化框架下,提出了一种分布式算法的弹性策略。我们制定了一个强大的最优化模型,占拜占庭攻击代理和协调员之间的通信渠道。我们提出了一个弹性的原始对偶法使用国家的最先进的强大的统计方法。该算法收敛到鲁棒最优化模型的一个邻域,该邻域的半径与受攻击信道的比例成正比。
2019-09-10 math.OC
Resilient Distributed Recovery of Large Fields
本文研究了弹性分布式恢复测量攻击下的大型字段,由一个团队的代理,其中每个措施的一个小的子集的组件的一个大的空间分布的字段。对手破坏了一些测量结果。代理合作处理他们的测量结果,每个人都只对恢复一小部分字段感兴趣。我们提出了一个字段恢复共识+创新类型的分布式算法,是弹性的测量攻击,其中代理维护和更新本地状态的基础上,其邻居的状态和自己的测量。在攻击者和通信网络的连通性的充分条件下,每个代理的状态,即使是那些具有受损测量的状态,也收敛到它有兴趣恢复的场分量的真实值。最后,我们通过数值例子说明我们的算法的性能。
2019-10-19 cs.MA math.OC
Attack Resilient Interconnected Second Order Systems: A Game-Theoretic Approach
研究了二阶网络动力系统对策略攻击的抗御能力。我们讨论了两个广泛使用的控制律,它们在电力网络和自治代理的编队控制中有应用。在第一种控制律中,每个智能体接收来自其邻居的纯速度反馈。在第二控制律中,每个代理接收其相对于其邻居的速度。攻击者选择一个节点子集,在其中注入信号,其目标是最大化从攻击信号到输出的系统的$\mathcal{H}_2$范数。防御者通过在网络的某些节点上添加自反馈回路来提高系统的弹性,目标是最小化系统的$\mathcal{H}_2$范数。他们的决定构成了一场战略博弈。给出了纳什均衡存在的图论充要条件。在不存在纳什均衡的情况下,讨论了Stackelberg对策,刻画了防御者作为领导者时的最优解。对于一个单一的攻击节点和一个单一的防御节点的情况下,它示出的最佳位置的防御节点的每个控制律是由一个特定的网络中心性措施。扩展的游戏的情况下,多个攻击和防御节点也解决了。
2019-05-08 math.OC
Dual-domain Defenses for Byzantine-resilient Decentralized Resource Allocation
针对拜占庭攻击下的去中心化资源分配问题,提出基于对偶变量鲁棒聚合的对偶域防御算法,并证明其可收敛至最优策略邻域且经数值实验验证。
2024-09-07 math.OC
Resilient Distributed Field Estimation
研究了测量攻击下的弹性分布场估计。代理或设备的网络测量大的、空间分布的物理场参数。对手任意操纵一些代理的测量。每个代理的目标是处理从其邻居接收到的测量和信息,以仅估计场的几个特定分量。我们提出了$\mathbf{SAFE}$,饱和自适应字段估计器,一个共识+创新的分布式字段估计器,是弹性的测量攻击。在充分条件下的妥协的测量流,现场和代理的测量之间的物理耦合,和网络通信网络的连通性,$\mathbf{SAFE}$保证每个代理的估计几乎肯定收敛到代理感兴趣的参数的组件的真实值。最后,我们通过数值例子说明了$\mathbf{SAFE}$的性能。
2020-03-26 math.OC
Resilient Active Information Acquisition with Teams of Robots
University of Pennsylvania(宾夕法尼亚大学);University of Michigan(密歇根大学)
新兴的协作自治应用,如多目标跟踪,未知地图探索和持续监视,要求机器人规划路径以导航环境,同时最大限度地提高通过车载传感器收集的信息。在本文中,我们考虑这样的信息获取任务,但在对抗性的环境中,攻击可能会暂时禁用机器人的传感器。我们提出了第一个滚动时域算法,针对任何数量的攻击,我们称之为弹性主动信息采集(RAIN)的鲁棒性和自适应多机器人规划。RAIN以在线方式调用鲁棒轨迹规划(RTP)子例程,该子例程在前瞻规划范围内规划攻击鲁棒控制输入。我们通过限制RTP的次优性来量化RTP的性能。我们的理论分析的基础上引入的曲率概念在组合优化。我们在三种信息获取场景中评估RAIN:多目标跟踪,占领网格映射和持续监视。这些场景是在C++和基于Unity的模拟器中模拟的。在所有模拟中,RAIN实时运行,即使在存在大量攻击的情况下,也表现出与最先进的基线信息获取算法相比的卓越性能。我们还证明了RAIN的鲁棒性和有效性对不同的攻击模型(最坏情况和随机),以及不同的重新规划率。
2021-03-17 cs.MA cs.RO math.OC
Resilient Monotone Sequential Maximization
University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院)
在机器学习、优化和控制中的应用需要顺序选择一些系统元素,例如传感器、数据或致动器,以优化跨多个时间步长的系统性能。然而,在易发生故障和对抗性环境中,传感器会受到攻击,数据会被删除,执行器会发生故障。因此,传统的顺序设计范式变得不足,相反,适应系统范围的攻击,删除或故障的弹性顺序设计变得重要。一般来说,弹性序贯设计问题在计算上是困难的。此外,即使它们通常涉及单调和(可能)子模的目标函数,也没有可扩展的近似算法已知其解决方案。在本文中,我们提供了第一个可扩展的算法,实现了以下特点:系统范围的弹性,即,该算法对于任何数量的拒绝服务攻击、删除或失败都是有效的;自适应性,即,在每个时间步,该算法基于所造成的攻击、删除或故障的历史来选择系统元件;以及可证明的近似性能,即,该算法保证单调目标函数的解接近最优。我们量化的算法的近似性能使用的概念曲率单调(不一定submodular)集函数。最后,我们支持我们的理论分析与模拟实验,通过考虑控制感知传感器调度的情况下,即感知约束的机器人导航。
2020-12-16 cs.LG math.OC stat.ML