Apr, 2018

通过敌对回归检测网络物理系统中的攻击

PDF
TL;DR本文研究了在因传感器攻击导致的物理损害巨大的情况下，监测传感器攻击的重要性，利用有监督回归来检测异常传感器读数，并通过史塔克伯格博弈来选择最优的检测阈值，提高系统韧性而不增加误报率。
cyber-physical systemssensor attackssupervised regressionstackelberg gamesystem resilience
发现论文，激发创造
  • 针对网络物理系统检测限制的最优攻击策略

    研究了针对网络物理系统的攻击者，其目标是将网络物理系统的状态移动到目标状态，同时确保被检测的概率不超过给定的边界，提出了线性二次成本函数来捕捉攻击者的控制目标，并建立了诸如投机者的检测避免目标的引入偏差的约束，提供了一种适用于攻击序列的最优算法和一种次优较少运算的算法，最后基于遥控直升飞机的数值实验说明了攻击策略。

    Oct, 2016

  • 数据驱动和知识驱动的物理网络系统异常检测的鲁棒性测试

    本文旨在评估基于机器学习方法的异常检测算法对于两种意外和恶意干扰的鲁棒性，在结合领域知识的前提下实验结果表明，基于领域知识训练的机器学习算法能够有效地降低鲁棒性误差并提高透明度。

    Apr, 2022

  • 使用生成对抗网络进行多元时间序列异常检测

    利用生成对抗网络（GAN）进行复杂的网络型智能物理系统的异常检测，通过多个传感器和执行器的多元时间序列模型以及强化学习的方法识别出攻击行为，针对六级安全水处理系统实验结果表明在高检测率和低误报率方面具有较高的效率和准确性。

    Sep, 2018

  • 学习增强的网络物理系统中的实时异常检测

    本论文研究了如何在物理控制系统中高效检测数据分布的异常点，提出了利用归纳式一致性预测和异常检测方法进行检测的方案，并通过仿真实验在自动驾驶和紧急制动系统中得到了良好的实验结果。

    Jan, 2020

  • 基于物理的攻击在网络物理系统中的形式化方法（扩展版）

    运用形式化方法对 Cyber-Physical Systems 中受物理攻击的传感器和执行器进行完整性和拒绝服务攻击的形式化处理，提出了威胁模型，度量攻击成功率，使用 Uppaal SMC 作为静态安全性分析工具进行实例分析。

    Feb, 2019

  • 面向网络化物理系统的弹性机器学习：机器学习安全性调研，以保护 CPS 的机器学习

    本文综述了在建立机器学习 (Machine Learning) 算法时如何考虑建立安全的弹性型的 Cyber Physical Systems (CPS) 框架，为探测和应对 CPS 的威胁提供新方向。

    Feb, 2021

  • 基于诊断的工控系统异常检测

    在基于深度学习的异常检测的基础上，提出了一种用于一体化诊断的方法，通过生成输入数据来解决在网络物理系统研究中的异常检测和诊断问题。针对模拟和真实的网络物理系统数据集进行评估，结果表明该模型相对于其他最新技术模型表现出较强的性能。

    Nov, 2023

  • 一个无监督的时空图模型方法用于分布式 CPS 中的异常检测

    本文提出了一种新的基于数据驱动的系统范围异常检测框架，其基于符号动力学的概念构建了一种时空特征提取方案，用于发现和表示 CPS 子系统之间因果相互作用，结果表明，该框架可以用于捕获多种正常模式并检测若干的从低级子系统到高级子系统的故障传播路径。

    Dec, 2015

  • 从变异体中学习：利用代码变异来学习和监控一个网络物理系统的不变量

    本文提出一种基于监督式机器学习的方法，结合系统故障注入技术，自动构建物理系统的模型，并经过完整性验证模拟各种攻击，从运行时生成的数据日志中可侦测出 85% 以上的网络和代码修改攻击。

    Jan, 2018

  • 工业控制系统时间序列入侵检测的对抗攻击

    该论文研究了在 ICS 环境下，使用 adversarial examples 技术构建针对 autoregressive IDS 的攻击，以有效地隐藏真实的网络攻击。作者对 Secure Water Treatment 系统进行了实验，仅考虑连续数据的情况下攻击成功率为 2.87/12，包含离散和连续变量的数据的情况下攻击成功率为 3.74/26。

    Nov, 2019