Energy-Constrained False Data Injection Attacks in Cyber-Physical Systems Using Wasserstein Distance

Moderne Infrastrukturen, von Stromnetzen bis hin zu autonomen Fahrzeugen, beruhen auf einer empfindlichen Verbindung zwischen der physischen Welt und digitalen Netzwerken. Diese Systeme, bekannt als cyber-physische Systeme, nutzen Sensoren, um reale Bedingungen wie Temperatur, Geschwindigkeit oder Druck zu messen und diese Daten über drahtlose Netzwerke an einen zentralen Computer zu senden. Dieser Computer fungiert als Navigator und berechnet ständig den wahren Zustand des Systems, um kritische Entscheidungen zu treffen. Diese Abhängigkeit von der drahtlosen Kommunikation schafft jedoch eine Schwachstelle: Der Datenstrom kann abgefangen und verändert werden. Ein Angreifer muss nicht die physische Maschine zerstören; er muss lediglich den digitalen Navigator davon überzeugen, dass sich die Maschine anders verhält, als sie es tatsächlich tut. Wenn der Navigator eine falsche Realität glaubt, kann er ein Flugzeug vom Kurs abbringen oder ein Stromnetz unnötigerweise abschalten. Die Herausforderung für Sicherheitsforscher besteht darin, zu verstehen, wie ein Angreifer diese Lügen innerhalb des Rauschens normaler Daten verbergen kann, sodass die Täuschung so subtil ist, dass die eingebauten Alarmsysteme des Systems niemals anschlagen.

In einer neuen Studie haben die Forscher Jiawei Fu, Jianing Xin, Chenghan Wang und Tianju Sui eine ausgeklügelte Methode kartiert, mit der ein Angreifer diese Systeme ausnutzen könnte, während er verborgen bleibt. Sie konzentrierten sich auf eine spezifische Art der Täuschung, die als False Data Injection Attack (Angriff durch gefälschte Daten) bezeichnet wird, bei dem ein Akteur gefälschte Zahlen in den Datenstrom einspeist, der von einem Sensor an einen entfernten Schätzer gesendet wird. Das Ziel eines solchen Angriffs ist es nicht, das System sofort zum Absturz zu bringen, sondern die Genauigkeit der Berechnungen des Computers langsam so weit zu verschlechtern, dass das System auf einem grundlegend falschen Verständnis der Realität operiert. Die Forscher waren besonders daran interessiert, wie ein Angreifer diesen Schaden maximieren kann, während er zwei strengen Einschränkungen unterliegt: einer begrenzten Energieressource zur Versorgung des Angriffs und der Notwendigkeit, vor statistischen Monitoren, die nach Anomalien suchen, unentdeckt zu bleiben.

Um dies zu lösen, entwickelte das Team eine Strategie, die den Angriff als mathematisches Optimierungsproblem behandelt. Sie stellten sich ein Szenario vor, in dem ein intelligenter Sensor einen Strom von Datenaktualisierungen, sogenannte Innovationen, an einen entfernten Computer sendet. Ein Angreifer, der sich in der Mitte der drahtlosen Verbindung befindet, muss in jedem einzelnen Moment entscheiden, ob er die Nachricht abfängt und durch eine korrumpierte Version ersetzt. Der Angreifer verfügt über eine begrenzte Batteriekapazität, was bedeutet, dass er das Signal nicht in jedem einzelnen Moment stören oder korrumpieren kann; er muss die zerstörerischsten Zeiten für einen Schlag wählen. Zudem: Wenn die korrumpierten Daten zu stark von den normalen Daten abweichen, werden die Detektoren des Systems die Intrusion bemerken. Die Forscher mussten einen Weg finden, um exakt zu messen, wie „anders“ die gefälschten Daten von den echten Daten waren, ohne den Alarm auszulösen.

Frühere Methoden zur Messung dieser Differenz stützten sich auf statistische Werkzeuge, die manchmal nicht das vollständige Bild erfassen konnten, insbesondere beim Vergleich komplexer Wahrscheinlichkeitsverteilungen. Die Autoren wandten sich an ein robusteres mathematisches Konzept namens Wasserstein-Distanz. Vereinfacht gesagt misst diese Metrik den Aufwand, der erforderlich ist, um eine Datenverteilung in eine andere zu transformieren. Sie bietet eine präzise, geometrie-basierte Möglichkeit, zu quantifizieren, wie sehr die statistische Form der Daten verändert wurde. Durch die Verwendung dieses Maßes konnten die Forscher sicherstellen, dass die gefälschten Daten statistisch nah genug an den echten Daten blieben, um die Detektoren zu täuschen, während sie gleichzeitig den Fehler des Systems an seine Belastungsgrenze trieben.

Der Kern ihrer Entdeckung ist ein zweistufiger Prozess für das Design des perfekten Angriffs. Zuerst bestimmten sie die exakte Form und Intensität des gefälschten Datensignals, das den maximal möglichen Fehler in der endgültigen Berechnung verursachen würde, vorausgesetzt, es bleibt innerhalb der Grenze der Unauffälligkeit. Sie fanden heraus, dass dieses optimale Signal in einer präzisen, geschlossenen Form berechnet werden kann, was bedeutet, dass es eine spezifische Formel für die „beste“ Lüge zu jedem gegebenen Zeitpunkt gibt. Zweitens lösten sie das Rätsel, wann diese Lüge zu sagen ist. Da der Angreifer über ein begrenztes Energiebudget verfügt, kann er nicht kontinuierlich lügen; die Forscher reduzierten dieses Scheduling-Problem auf eine binäre Entscheidung: In jedem Zeitschritt entscheidet der Angreifer entweder, den Angriff zu starten, oder bleibt stumm. Durch die Lösung dieses Problems als eine spezifische Art von ganzzahliger Programmierung identifizierten sie die exakte Sequenz von Momenten, in denen das Starten des Angriffs den größten kumulativen Schaden an der Genauigkeit des Systems anrichten würde.

Das Team testete seine Theorie anhand einer Simulation eines Fluggeräts, einem System, in dem die präzise Zustandschätzung entscheidend für die Sicherheit ist. Sie modellierten ein Szenario, in dem das Fahrzeug über drei Sensoren und einen entfernten Schätzer verfügte und der Angreifer über eine begrenzte Anzahl von „Angriffen“ verfügte, die er über einen Zeitraum von einhundert Zeitschritten durchführen konnte. Die Ergebnisse zeigten, dass die vorgeschlagene Strategie signifikant schädlicher war als zufällige Versuche, das System zu stören. Wenn der Angreifer das berechnete optimale Signal und den präzisen Zeitplan verwendete, wuchs der Fehler im endgültigen Zustandsschätzer des Systems viel stärker an als in jedem anderen Szenario. Die Simulation enthüllte auch einen klaren Trade-off: Je mehr der Angreifer seine Notwendigkeit der Unauffälligkeit lockerte (indem er zuließ, dass die Daten etwas anders aussehen als normal), desto mehr Schaden konnte er anrichten. Umgekehrt zwangen strengere Anforderungen an die Unauffälligkeit den Angreifer dazu, konservativer vorzugehen, was das potenzielle Schadensausmaß reduzierte. Ebenso ermöglichte ein größeres Energiebudget dem Angreifer, die Verschlechterung länger aufrechtzuerhalten, was zu einem schwerwiegenderen Endfehler führte.

Diese Arbeit schlägt keine neue Waffe für Angreifer vor, sondern vielmehr einen rigorosen Entwurf des Worst-Case-Szenarios. Indem sie beweisen, dass ein Angreifer mathematisch den destruktivsten Pfad bestimmen kann, während er verborgen bleibt, verdeutlicht die Studie die Fragilität aktueller Fernschätzsysteme. Die Ergebnisse legen nahe, dass die bloße Überwachung offensichtlicher Anomalien unzureichend ist, da ein versierter Akteur eine Täuschung entwerfen kann, die statistisch nicht von normalem Rauschen zu unterscheiden ist, bis der Schaden bereits angerichtet ist. Die Forscher kommen zu dem Schluss, dass das Verständnis dieser optimalen Angriffspfade essenziell ist, um bessere Abwehrmechanismen zu entwickeln, die Systemdesigner dazu zwingen, einen Angreifer zu berücksichtigen, der nicht nur rät, sondern den perfekten Moment zum Schlag berechnet.