⚡ electrical engineering

Co-Design of Cryptographic Parameters and Delay-Aware Feedback Gain for Encrypted Control Systems

Der Artikel stellt einen Co-Design-Ansatz vor, der kryptografische Parameter und verzögerungsbewusste Rückkopplungsgewinne für verschlüsselte Steuerungssysteme gemeinsam optimiert, um die durch Homomorphe Verschlüsselung verursachten Verzögerungen zu berücksichtigen und die Stabilität des geschlossenen Regelkreises sicherzustellen.

Ursprüngliche Autoren: Yeongjun Jang

Veröffentlicht 2026-04-17

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Yeongjun Jang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Verschlüsselte Steuerung: Wie man einen Roboter sicher und schnell durch einen Labyrinth-Verkehr leitet

Stellen Sie sich vor, Sie steuern einen ferngesteuerten Roboter, der eine gefährliche Aufgabe erledigen soll (z. B. in einer Fabrik oder einem Kraftwerk). Der Roboter ist nicht direkt mit Ihnen verbunden, sondern sendet seine Daten über das Internet an einen entfernten Server, der die Berechnungen durchführt und Befehle zurückgibt.

Das Problem: Das Internet ist unsicher. Hacker könnten mithören oder der Server könnte neugierig sein und versuchen, Ihre sensiblen Daten zu stehlen.

Die Lösung: Ein digitaler Panzer (Verschlüsselung)
Um das zu verhindern, verwenden die Forscher eine spezielle Technologie namens „Homomorphe Verschlüsselung". Das ist wie ein magischer Panzer:

Der Roboter schickt seine Daten nicht offen, sondern in einem verschlüsselten Koffer.
Der Server kann Berechnungen in diesem Koffer durchführen, ohne ihn zu öffnen.
Erst wenn der Befehl beim Roboter ankommt, wird der Koffer geöffnet.

Das neue Problem: Der Koffer ist schwer und langsam
Hier kommt der Haken: Dieser „magische Koffer" ist riesig und schwer.

Größe: Ein verschlüsselter Datenblock ist viel größer als ein normaler. Das Übertragen dauert länger (wie ein schwerer Sack im Vergleich zu einem Brief).
Gewicht: Das Öffnen, Schließen und Berechnen im Inneren dauert auch länger.

In der Steuerungstechnik ist Zeit alles. Wenn der Befehl zu spät ankommt, kann der Roboter ins Wanken geraten oder sogar umkippen. Bisher haben Ingenieure erst einen perfekten Steuerungsplan für den „schnellen, offenen" Fall erstellt und dann versucht, die Verschlüsselung drüberzulegen. Das funktioniert aber oft nicht, weil die Verzögerung durch den „schweren Koffer" den Plan zerstört.

Die neue Idee: Ein gemeinsames Design (Co-Design)
Die Autoren dieses Papiers schlagen vor, zwei Dinge gleichzeitig zu planen, statt nacheinander:

Die Stärke des Panzers (Verschlüsselungsparameter): Wie dick soll die Wand sein? (Mehr Dicke = mehr Sicherheit, aber auch mehr Gewicht/Verzögerung).
Der Fahrplan des Roboters (Regler-Parameter): Wie reagiert der Roboter, wenn der Befehl etwas später kommt?

Die Analogie: Der LKW und die Straße
Stellen Sie sich vor, Sie müssen eine Lieferung durch eine Stadt bringen.

Der Panzer ist wie ein riesiger, gepanzerter LKW. Je dicker die Panzerung, desto sicherer, aber desto langsamer und schwerer ist er.
Der Regler ist wie der Fahrer. Ein normaler Fahrer (der alte Ansatz) fährt so, als wäre er in einem schnellen Sportwagen. Wenn er dann plötzlich den schweren Panzer-LKW fährt, kommt er zu spät und kracht in die Ampel.

Die neue Methode fragt: „Wie dick darf die Panzerung maximal sein, damit der Fahrer noch rechtzeitig ankommt? Und wie muss der Fahrer fahren, wenn er diesen schweren LKW hat?"

Wie funktioniert das im Papier?
Die Forscher haben ein mathematisches Werkzeug entwickelt, das wie ein Zweischichten-Planer funktioniert:

Der äußere Planer (Die Suche nach dem richtigen Panzer):
Er sucht nach verschiedenen Kombinationen von Panzerungsstärke und Schlüssellänge. Er prüft: „Ist dieser Panzer stark genug gegen Hacker? Und ist er leicht genug, damit die Verzögerung nicht zu groß wird?"
- Wichtig: Wenn der Panzer zu schwer ist (zu viel Verzögerung), wird er verworfen.
Der innere Planer (Der Fahrplan für diesen Panzer):
Für jeden Panzer, der vom äußeren Planer ausgewählt wurde, sucht er einen speziellen Fahrplan (einen Feedback-Gain). Dieser Plan berücksichtigt genau die Verzögerung, die dieser spezifische Panzer verursacht.
- Er nutzt eine Art mathematischen „Sicherheitsgurt" (Lineare Matrix-Ungleichungen), um zu garantieren, dass der Roboter auch bei dieser Verzögerung stabil bleibt und nicht umkippt.

Das Ergebnis
In ihren Tests zeigten sie:

Ein alter Fahrplan (für den schnellen Sportwagen) versagt, sobald der schwere Panzer-LKW eingesetzt wird. Der Roboter wird instabil.
Der neue, gemeinsam entworfene Planer findet eine Kombination: Ein Panzer, der sicher genug ist, aber nicht zu schwer, und einen Fahrplan, der genau auf dieses Gewicht abgestimmt ist. Der Roboter bleibt stabil und sicher.

Zusammenfassung
Früher hat man versucht, Sicherheit und Geschwindigkeit getrennt zu betrachten, was oft zu Abstürzen führte. Diese Arbeit zeigt, dass man Sicherheit (den Panzer) und Steuerung (den Fahrplan) gemeinsam entwerfen muss. Nur so kann man sicherstellen, dass ein Roboter im Internet nicht nur vor Hackern geschützt ist, sondern auch pünktlich und stabil arbeitet.

1. Problemstellung

Netzwerkbasierte Steuerungssysteme (Networked Control Systems, NCS) ermöglichen es, rechenintensive Aufgaben von ressourcenbeschränkten Geräten an entfernte Server auszulagern. Dies wirft jedoch erhebliche Datenschutzbedenken auf, da sensible Daten (z. B. Sensormessungen) über unsichere Kanäle übertragen werden und die Server potenziell neugierig sein könnten.

Homomorphe Verschlüsselung (HE) wird als vielversprechende Lösung vorgeschlagen, da sie Berechnungen direkt auf verschlüsselten Daten erlaubt, ohne diese zu entschlüsseln. Dies schützt sowohl die Kommunikation als auch die Berechnung.

Das zentrale Problem, das in diesem Paper adressiert wird, ist der Trade-off zwischen Sicherheit und Systemstabilität:

Verzögerungen: HE führt zu signifikanten Verzögerungen durch die Verschlüsselung, Entschlüsselung, homomorphe Multiplikation und die Übertragung großer Chiffretexte (im Vergleich zu Klartexten).
Folgen: Diese Verzögerungen werden oft ignoriert, wenn Controller im Klartext entworfen und später auf verschlüsselte Daten angewendet werden. Dies kann die Regelgüte verschlechtern und im schlimmsten Fall das geschlossene Regelkreis-System destabilisieren.
Lücke bestehender Arbeiten: Bisherige Ansätze entwerfen den Regler meist unabhängig von den Verschlüsselungsparametern oder berücksichtigen die durch HE verursachten Verzögerungen nicht systematisch im Entwurfsprozess.

2. Methodik

Die Autoren schlagen einen Co-Design-Ansatz vor, bei dem die kryptographischen Parameter und der regelungstechnische Rückkopplungsgewinn (Feedback Gain) gemeinsam optimiert werden.

A. Modellierung der Verzögerung

Die Gesamtverzögerung $\tau_\theta$ wird als Funktion der kryptographischen Parameter $\theta = (N, q, \sigma)$ modelliert (basierend auf einem LWE-basierten Kryptosystem):

Kommunikationsverzögerung: Abhängig von der Nachrichtengröße (bestimmt durch $N$ und $q$ ), der Übertragungsrate $R$ und der Ausbreitungsverzögerung $\delta$ .
Berechnungsverzögerung: Abhängig von der Komplexität der Verschlüsselung, Entschlüsselung und der homomorphen Multiplikation.
Die Autoren leiten eine explizite obere Schranke $\bar{\tau}_\theta$ her, die als Summe dieser Komponenten berechnet wird.

B. Stabilitätsanalyse mit verzögerungsbewusstem Gain

Für einen festen Satz an kryptographischen Parametern $\theta$ wird die Stabilität des Systems analysiert:

Das kontinuierliche System wird unter Berücksichtigung der Verzögerung $\tau_\theta$ (die als konstant innerhalb eines Abtastintervalls angenommen wird) diskretisiert.
Es wird ein erweiterter Zustandsvektor $\xi[k]$ eingeführt, der den aktuellen und den vorherigen Zustand enthält.
Die Stabilitätsbedingung reduziert sich auf die Schur-Stabilität einer Menge von Matrizen, die von der unbekannten Verzögerung $\tau_\theta \in [0, \bar{\tau}_\theta]$ abhängen.

C. Hinreichende Bedingung via LMIs

Da eine Überprüfung unendlich vieler Verzögerungswerte nicht praktikabel ist, nutzen die Autoren eine Jordan-Form-Darstellung, um die Systemmatrix als konvexe Hülle einer endlichen Anzahl von Eckpunktmatrizen darzustellen.

Es wird eine hinreichende Bedingung für die Stabilität hergeleitet, die durch eine endliche Menge linearer Matrixungleichungen (LMIs) ausgedrückt wird.
Wenn eine symmetrische Matrix $P \succ 0$ existiert, die diese LMIs für alle Eckpunkte erfüllt, ist das System für alle möglichen Verzögerungen stabil.

D. Der Co-Design-Algorithmus

Der vorgeschlagene Algorithmus folgt einem „Outer-Inner"-Verfahren:

Outer Loop (Kryptographie): Es wird eine diskrete Menge von Kandidaten für die kryptographischen Parameter $\theta$ generiert, die das gewünschte Sicherheitsniveau $\lambda^*$ erfüllen.
Filterung: Für jeden Kandidaten wird die obere Schranke $\bar{\tau}_\theta$ berechnet. Kandidaten, bei denen $\bar{\tau}_\theta \ge T_s$ (Abtastzeit), werden verworfen, da sie die Stabilitätsgrenze überschreiten.
Inner Loop (Regler): Für die verbleibenden Parameter wird eine endliche Menge von Rückkopplungsgewinnen $K$ (z. B. aus einem Entwurf für den verzögerungsfreien Fall) getestet.
Verifikation: Es wird geprüft, ob die LMIs für ein Paar $(\theta, K)$ lösbar sind. Das erste gefundene Paar, das alle Anforderungen (Sicherheit, Verzögerungsgrenze, Stabilität) erfüllt, wird ausgegeben.

3. Wichtige Beiträge

Quantifizierung der Verzögerung: Erster Ansatz, der die durch HE verursachten Verzögerungen explizit als Funktion der Sicherheitsparameter ( $N, q, \sigma$ ) modelliert und eine obere Schranke ableitet.
Co-Design-Framework: Überwindung des traditionellen „Design-then-Encrypt"-Ansatzes durch eine simultane Optimierung von Sicherheitsparametern und Reglerparametern.
Verzögerungsbewusste Stabilitätsbedingung: Herleitung einer handhabbaren hinreichenden Bedingung (über LMIs) für die Stabilität von verschlüsselten Regelkreisen unter Berücksichtigung von Verzögerungen, die durch die Verschlüsselung selbst verursacht werden.
Traktabler Algorithmus: Entwicklung eines effizienten Suchverfahrens, das die Komplexität durch die Diskretisierung der Parameter und die Nutzung von LMIs beherrschbar macht.

4. Simulationsergebnisse

Die Methode wurde an einem numerischen Beispiel (ein linearer Zweizustands-System) validiert:

Setup: Sicherheitsniveau $\lambda^* = 128$ Bit. Drei Kandidaten für kryptographische Parameter ( $\theta_1, \theta_2, \theta_3$ ) wurden betrachtet.
Ergebnis der Parameterauswahl: Nur der Kandidat $\theta_1$ (mit kleineren Parametern $N=2^{12}$ ) erfüllte die Verzögerungsanforderung ( $\bar{\tau}_\theta < T_s$ ). Die anderen Kandidaten führten zu Verzögerungen, die die Abtastzeit überschritten.
Ergebnis der Reglerauswahl: Zwei Regler ( $K_1, K_2$ $K_{1}, K_{2}$ ), die für den verzögerungsfreien Fall entworfen wurden, wurden getestet.
- $K_1$ (stark gedämpft) führte zu Instabilität bei erhöhter Verzögerung.
- $K_2$ (schwächer gedämpft, aber „delay-aware" getestet) erfüllte die LMI-Bedingungen und stabilisierte das System auch bei maximaler geschätzter Verzögerung.
Fazit der Simulation: Der Co-Design-Ansatz zeigte, dass ein Regler, der nur für den verzögerungsfreien Fall optimiert wurde, bei verschlüsselter Implementierung versagen kann, während der gemeinsam entworfene Ansatz Stabilität garantiert.

5. Bedeutung und Ausblick

Das Paper liefert einen entscheidenden theoretischen und praktischen Baustein für die sichere Implementierung von Netzwerksteuerungssystemen. Es zeigt auf, dass Sicherheit und Stabilität nicht isoliert betrachtet werden können: Eine Erhöhung der Sicherheit (durch größere Parameter) führt zu höheren Verzögerungen, die das System destabilisieren können.

Der vorgeschlagene Rahmen ermöglicht es Ingenieuren, systematisch die maximal mögliche Sicherheit zu wählen, die noch mit der Stabilität des physikalischen Prozesses vereinbar ist. Zukünftige Arbeiten könnten die Erweiterung auf zeitvariante Verzögerungen oder die gleichzeitige Optimierung des Reglers $K$ und der Lyapunov-Matrix $P$ (statt nur der Suche in einer vorgegebenen Menge) umfassen.