OIDM: An Observability-based Intelligent Distributed Edge Sensing Method for Industrial Cyber-Physical Systems
针对工业信息物理系统随机调度中可观测性研究不足的问题，提出基于可观测性的智能分布式边缘感知方法OIDM，结合深度强化学习与可观测性概率界优化感知性能，经热轧板坯温度估计仿真验证有效。
2024-09-13 cs.SY eess.SY
Safe-visor Architecture for Sandboxing (AI-based) Unverified Controllers in Stochastic Cyber-Physical Systems
高性能但未经验证的控制器，例如，基于人工智能的（a.k.a.基于人工智能的控制器被广泛应用于信息物理系统（CPS）中，以完成复杂的控制任务。然而，保证CPS的安全性和可靠性与这种控制器是目前非常具有挑战性的，这是至关重要的，在许多现实生活中的安全关键应用。为了应对这一困难，我们在这项工作中提出了一个安全的遮阳板架构，用于在嘈杂的环境中运行的CPS中对未经验证的控制器进行沙箱化。随机CPS）。建议的架构包含一个基于历史的监督员，它检查来自未经验证的控制器的输入，并在系统的功能和安全性之间做出妥协，以及一个安全顾问，当未经验证的控制器危及系统的安全时，提供回退。基于历史的监督器和安全顾问都是基于原始系统与其有限抽象之间的近似概率关系设计的。通过采用这种体系结构，我们提供了正式的概率保证，保持接受语言的确定性有限自动机（DFA）表示的安全规范。同时，未经验证的控制器仍然可以在控制回路中使用，即使他们是不可靠的。我们证明了我们提出的结果的有效性，将它们应用到两个（物理）的案例研究。
2021-08-19 cs.SY eess.SY
Sandboxing Controllers for Stochastic Cyber-Physical Systems
目前的信息物理系统（CPS）预计将完成复杂的任务。为了实现这一目标，应用了高性能但未经验证的控制器（例如深度神经网络，来自第三方的黑盒控制器），这使得保持整个CPS安全变得非常具有挑战性。通过对这些控制器进行沙箱化，我们不仅能够使用它们，而且还可以同时在受控的物理系统上实施安全属性。然而，当前可用的沙箱控制器解决方案仅适用于确定性（即，非随机）系统，可能受到有界扰动的影响。在本文中，我们第一次提出了一种新的解决方案，用于在嘈杂的环境中运行的CPS的沙箱未经验证的复杂控制器（又名。随机CPS）。此外，我们还提供了概率保证其安全性。在这里，在每个时刻观察未经验证的控制输入，并检查它是否违反了到达不安全集合的最大可容忍概率。如果该概率超过给定阈值，则拒绝未经验证的控制输入，并且由最优安全控制器提供的咨询输入将用于维持概率安全保证。实证结果表明，所提出的方法，预期的安全概率得到保证。
2021-09-23 cs.SY eess.SY
Active Attack Detection and Control in Constrained Cyber-Physical Systems Under Prevented Actuation Attack
提出了一种面向受限网络物理系统的主动攻击检测方案。尽管被动方法的检测是基于对输入输出数据的分析，主动方法通过设计控制输入来与系统交互，以改善检测。本文主要研究防止驱动攻击，攻击者阻止控制器和执行器之间的信息交换。所提出的方案由两个单元组成：1）检测，和2）控制。检测单元包括一组并行检测器，这些检测器基于多模型自适应估计方法来检测攻击并识别被攻击的执行器。对于控制单元，约束优化方法被开发来确定控制输入，使得控制和检测目标被实现。在制定的检测和控制目标函数，概率的方法是用来获得的好处的\textit{a priori}信息的可用性。通过对一条灌溉渠道的仿真研究，证明了该方案的有效性。
2021-01-25 cs.SY eess.SY
Model Checking as Control: Feedback Control for Statistical Model Checking of Cyber-Physical Systems
本文提出反馈控制统计系统检验（FC-SSC），通过反馈控制原理分析网络物理系统。该方法利用随机系统识别学习CPS模型，重要性抽样估计状态，并通过重要性分裂控制系统以高效推断属性满足概率。
2015-06-12 cs.SY eess.SY
Control Synthesis for Cyber-Physical Systems to Satisfy Metric Interval Temporal Logic Objectives under Timing and Actuator Attacks
本文研究的综合控制器的网络物理系统（CPS），需要执行复杂的任务，是时间敏感的，在对手的存在。该任务被指定为度量区间时序逻辑（MITL）中的公式。假设对手有能力篡改CPS的控制输入，并操纵CPS感知的定时信息。为了模拟CPS和对手之间的相互作用，以及这两类攻击的效果，我们定义了一个实体称为持续时间随机博弈（DSG）。DSG以概率方式捕获环境中状态之间的转换，以及这些转换所花费的时间。与防御者表示为有限状态控制器（FSC）的政策，我们提出了一个基于值迭代的算法，计算FSC，最大限度地满足MITL规范下的两类攻击的概率。一个信号控制的交通网络的数值案例研究来说明我们的结果。
2020-01-27 cs.SY eess.SY
Enhancing sensor attack detection in supervisory control systems modeled by probabilistic automata
针对传感器攻击破坏信息物理系统可靠性的问题，提出基于λ-传感器攻击可检测性的概率检测框架，开发多项式时间验证算法并推导最大检测置信水平，提升了多策略传感器攻击的检测能力。
2025-02-23 cs.SY eess.SY
Assessment of Quantitative Cyber-Physical Reliability of SCADA Systems in Autonomous Vehicle to Grid (V2G) Capable Smart Grids
本文针对具备V2G功能的智能电网中SCADA系统的安全漏洞问题，提出结合贝叶斯攻击图与概率容量停运建模的定量可靠性评估方法，通过蒙特卡洛模拟揭示AV2G攻击对系统性能的影响，为智能电网网络安全强化提供依据。
2025-07-24 cs.CR cs.SY eess.SY
Bayesian Optimization for Polynomial Time Probabilistically Complete STL Trajectory Synthesis
本文提出了一种基于贝叶斯优化的STL轨迹综合方法，替代传统的混合整数线性规划方法，实现了多项式时间复杂度和线性预测数量的高效轨迹综合，同时保证了概率完备性。
2019-05-08 cs.RO cs.SY eess.SY
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
Path Structured Multimarginal Schrödinger Bridge for Probabilistic Learning of Hardware Resource Usage by Control Software
University of California, Santa Cruz（加州大学圣克鲁兹分校）；University of Pennsylvania（宾夕法尼亚大学）；Iowa State University（爱荷华州立大学）
本研究利用路径结构化多边缘薛定谔桥问题的最新求解算法，实现控制软件硬件资源使用的概率学习，可线性收敛地预测时变资源分布，在模型预测控制案例中验证了有效性，可推广至各类软件的信息物理相关性能预测。
2023-10-03 cs.LG cs.SY eess.SY
Causal Repair of Learning-enabled Cyber-physical Systems
University of Pennsylvania（宾夕法尼亚大学）；University of Florida（佛罗里达大学）
针对含学习组件的 CPS 运行时属性违反问题，提出基于 Halpern-Pearl 模型的两步因果诊断与反事实修复流程，并在 OpenAI Gym 上验证有效。
2023-04-26 cs.LG cs.LO cs.SY
Statistical Verification of Autonomous Systems using Surrogate Models and Conformal Inference
本文提出了一种基于共形推理的CPS模型统计验证方法。自动驾驶汽车、航空电子系统和医疗设备等网络物理系统（CPS）在高度不确定的环境中运行。这种不确定性通常使用有限数量的参数或输入信号来建模。给定信号时序逻辑（STL）中的系统规范，我们希望验证对于模型参数/输入信号的所有（无限）值，系统满足其规范。不幸的是，这个问题通常是不可判定的。{ \em统计模型检查}（SMC）通过对模型模拟进行统计推理来保证CPS模型的正确性，从而提供了一种解决方案。我们提出了一种新的方法来统计验证CPS模型的用户提供的分布模型参数。我们的技术使用模型模拟来学习{ \em代理模型}，并使用{ \em保形推理}来提供对给定STL属性的满意度的概率保证。此外，我们可以提供预测区间，其中包含任何用户指定的置信水平的给定STL属性的定量满意度值。我们还提出了一个细化过程的基础上高斯过程（GP）为基础的代理模型获得细粒度的概率保证在参数空间的子区域。这反过来又使CPS设计者能够在参数空间中为安全关键应用选择有保证的有效域。最后，我们证明了我们的技术在几个CPS模型的有效性。
2021-07-14 cs.SY eess.SY
Strategic Evaluation of Planning Strategies for LLM Agents in Cyber-Physical Systems
BARCELONA Supercomputing Center（巴塞罗那超级计算中心）；LUXEMBOURG Institute of Science and Technology（卢森堡科学技术学院）
本研究针对网络物理系统，构建含40个异构产消者的智能电网基准，评估4种LLM规划架构，发现架构影响结果，应用截止可行性可显著降低遗憾。
2026-10-07 cs.AI cs.MA cs.SY
Learning-based attacks in Cyber-Physical Systems: Exploration, Detection, and Control Cost trade-offs
University of California San Diego（加州大学圣地亚哥分校）；Massachusetts Institute of Technology（麻省理工学院）
我们研究了线性系统中基于学习的攻击问题，其中控制器和被控对象之间的通信信道可能被恶意攻击者劫持。我们假设攻击者从观察中学习系统的动态，然后覆盖控制器的致动信号，同时通过向控制器提供虚构的传感器读数来模仿合法操作。另一方面，控制器是一个瞭望台，以检测攻击者的存在，并试图通过仔细制作其控制信号，以提高检测性能。我们研究了攻击者从观测中获得的信息，控制器的检测能力和控制成本之间的权衡。具体而言，我们提供严格的上限和下限上的预期$ε$欺骗时间，即所需的时间由控制器作出决定，关于攻击者的存在与信心至少$(1-ε\log(1/ε))$。然后，我们展示了一个概率下界的时间，必须花费的攻击者学习系统，为了使控制器有一个给定的预期$ε$欺骗时间。我们证明了这个界也是阶最优的，从这个意义上说，如果攻击者满足它，那么存在具有给定阶期望欺骗时间的学习算法。最后，我们显示了一个下界的预期能量消耗，以保证检测的信心至少$1-ε\log(1/ε)$。
2021-05-20 cs.CR cs.LG cs.MA
