本文讨论了如何通过使用 “水印” 技术，检测恶意攻击并保护网络化的物联网系统中的控制器和传感器。

Jun, 2016

本文提出了一种基于深度学习的动态数码水印方法以检测物联网 (IoT) 信号的网络攻击，该方法利用长短期记忆 (LSTM) 结构从信号中提取一组随机特征并将这些特征动态水印到信号中，可以保障 IoT 设备信号的可靠性，并有效地防止数据注入、窃听和中间人攻击等网络攻击。模拟结果表明，在攻击检测延迟小于 1 秒的情况下，消息的传输可以达到近乎 100% 的可靠性。

Nov, 2017

该研究探索具有几乎没有计算成本的水印技术，适用于非盲白盒设置，在保持模型性能的同时将唯一标识符嵌入到模型中，通过利用模型的不变性生成功能上等的副本，从而保护大型模型的完整性。

Oct, 2023

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

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

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。

Apr, 2018

本文提出一种基于 “潜在水印” 概念的神经网络所有权验证方法，该方法通过训练使得水印在未激活前处于休眠状态，在保护模型知识产权的同时，有效抵御了后门检测、后门移除以及替身模型攻击等常见攻击。

Jun, 2023

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

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

在大型语言模型中，通过可编码文本水印技术（CTWL）注入更多可定制信息，从而识别 LLMs 生成的文本，并进行全面评估以提高生成文本的质量。

Jul, 2023