Sintesi Tecnica: Allocazione della Sicurezza Basata sulla Centralità di Katz in Reti Positive

Formulazione del Problema

Questo articolo affronta la sfida dell'allocazione della sicurezza per i sistemi di controllo in rete positivi (NCS), rappresentati da grafi diretti a pesi positivi, soggetti ad attacchi furtivi di iniezione di falsi dati (FDI). Il sistema è composto da sottosistemi interconnessi unidimensionali (nodi) dove le variabili di stato sono vincolate a essere non negative, riflettendo applicazioni del mondo reale come le reti di trasporto e di distribuzione dell'acqua.

Lo scenario coinvolge due agenti contrapposti:

1. L'Avversario: Seleziona un insieme specifico di $\alpha$ nodi per iniettare segnali FDI additivi e non negativi nelle informazioni trasmesse ai propri vicini. L'avversario mira a massimizzare la perdita di prestazioni della rete (definita come la norma $L_2$ del vettore di stato pesato) pur rimanendo furtivo. La furtività è definita dalla condizione per cui l'energia dell'output nei nodi monitorati non supera una soglia di allarme predefinita.
2. Il Difensore: Seleziona un insieme di al massimo $\beta$ nodi da monitorare. L'obiettivo del difensore è minimizzare la peggiore perdita di prestazioni della rete causata dall'avversario, soggetto ai vincoli di furtività.

I problemi di ricerca centrali sono:

• Problema 1 (Valutazione Scalabile): Calcolare la peggiore perturbazione (metrica di sicurezza) in modo indipendente dalla dimensione della rete.
• Problema 2 (Selezione Ottima): Selezionare, in termini di teoria dei grafi, un insieme di monitoraggio per uno scenario di attacco fissato, al fine di minimizzare la peggiore perturbazione.
• Problema 3 (Selezione Robusta): Selezionare, in termini di teoria dei grafi, un insieme di monitoraggio che sia robusto rispetto a tutti gli scenari di attacco ammissibili.

Metodologia

Gli autori sfruttano la positività della dinamica del sistema e la teoria dei sistemi dissipativi per trasformare il problema non convesso di valutazione della sicurezza in un framework di ottimizzazione trattabile.

1. Limite Superiore SDP: Inizialmente, si dimostra che la peggiore perturbazione è limitata superiormente da un problema di Programmazione Semidefinita (SDP) derivato da una funzione di accumulo (storage function) e una velocità di fornitura (supply rate). Tuttavia, questo standard SDP coinvolge una variabile matriciale di dimensione $N \times N$ (dove $N$ è la dimensione della rete), portando a una complessità computazionale che scala come $O(N^6)$, risultando intrattabile per reti di grandi dimensioni.
2. Calcolo Esatto tramite Condizione di Robustezza: Introducendo una condizione di robustezza sufficiente (che mette in relazione la peggiore perturbazione senza monitor con le soglie di allarme e i pesi delle prestazioni), gli autori dimostrano che la soluzione SDP diventa esatta e si semplifica significativamente. Sotto questa condizione, la variabile matrice $P$ può essere ristretta a essere una matrice diagonale non negativa.
3. Connessione con la Centralità di Katz: L'SDP semplificato viene ulteriormente ridotto a una formulazione indipendente dalla dimensione della rete $N$. Questo problema ridotto stabilisce una relazione diretta tra la metrica di sicurezza e due misure di centralità di Katz adattate:
   • Centralità di Katz del Monitor ($K_\delta$): Incorpora le soglie di allarme.
   • Centralità di Katz delle Prestazioni ($K_W$): Incorpora i fattori di ponderazione delle prestazioni.
     La metrica di sicurezza è caratterizzata dalla relazione geometrica tra un ellissoide che rappresenta l'impatto dell'attacco (derivato da $K_W$) e un ellissoide che rappresenta la copertura del monitor (derivato da $K_\delta$).
4. Euristica Geometrica: Basandosi sull'interpretazione geometrica dell'SDP semplificato, gli autori propongono un'euristica della direzione principale (Algoritmo 1). Questo algoritmo:
   • Calcola le coppie di autovettori e autovalori della matrice di impatto dell'attacco.
   • Calcola un punteggio per ogni nodo basandosi su quanto bene la sua "direzione di crescita" (derivata da $K_\delta$) si allinea con gli assi principali dell'ellissoide di impatto dell'attacco.
   • Seleziona i nodi da monitorare con i punteggi più alti per coprire le direzioni dell'attacco, garantendo che la necessaria condizione di rango per una soluzione finita sia soddisfatta.

Contributi Chiave

Il documento apporta i seguenti contributi specifici:

• Limite Superiore Trattabile: Dimostra che la peggiore perdita di prestazioni della rete sotto attacchi furtivi è limitata superiormente da un problema SDP trattabile utilizzando la teoria dei sistemi dissipativi.
• Indipendenza dalla Dimensione della Rete: Stabilisce che, sotto una sufficiente condizione di robustezza, la peggiore perturbazione è uguale alla soluzione di un SDP semplificato che è indipendente dalla dimensione della rete $N$. Ciò è ottenuto dimostrando che la matrice soluzione ottimale $P$ è diagonale.
• Caratterizzazione Geometrica: Fornisce una condizione geometrica necessaria e sufficiente per l'esistenza di una soluzione finita, collegando il problema a due versioni adattate della misura di centralità di Katz. Ciò rivela che la metrica di sicurezza dipende dall'allineamento tra le direzioni di attacco e le direzioni di crescita indotte dal monitoraggio.
• Algoritmo di Ricerca Euristico: Sviluppa un algoritmo di ricerca euristico basato sulle misure di centralità di Katz per selezionare sotto-ottimali nodi di monitoraggio. Questo approccio evita la necessità di risolvere complessi problemi di ottimizzazione mixed-integer SDP, rendendolo scalabile per reti di grandi dimensioni.

Risultati

I metodi proposti sono stati validati attraverso estese simulazioni su grafi casuali Erdős–Rényi con dimensioni di rete variabili ($N=100$ a $200$ per la valutazione, $N=20$ a $30$ per l'allocazione a causa del costo computazionale del confronto con il baseline).

• Validazione del Teorema 1: Le simulazioni hanno confermato che, sotto la sufficiente condizione di robustezza, l'SDP diagonale semplificato e la formulazione non-P producono valori quasi identici al full SDP (differenze relative $< 4 \times 10^{-5}\%$). Anche quando la condizione non è strettamente soddisfatta, le formulazioni semplificate forniscono limiti superiori e inferiori significativi con un rapporto costantemente vicino a 1.
• Tempo di Calcolo: Le formulazioni semplificate (diagonale e non-P) hanno dimostrato tempi di calcolo significativamente inferiori rispetto al full SDP, confermando la loro scalabilità.
• Prestazioni dell'Algoritmo: L'insieme di monitoraggio euristico ($M^*_{Katz}$) ha ottenuto una peggiore perturbazione comparabile all'insieme ottimale con budget vincolato ($M^*_{MISDP}$) ottenuto tramite mixed-integer SDP. Nella maggior parte dei casi, l'euristica ha richiesto solo un nodo di monitoraggio aggiuntivo oltre il budget $\beta$ per soddisfare la condizione di rango (Teorema 2), risultando in un rapporto di prestazione ($\rho_Q$) vicino allo zero.

Significato e Rivendicazioni

Il lavoro sostiene di offrire intuizioni pratiche per la salvaguardia di sistemi di controllo in rete su larga scala contro attacchi furtivi di iniezione di falsi dati. La sua importanza risiede nella:

• Scalabilità: Passare da formulazioni mixed-integer SDP NP-hard e complessità $O(N^6)$ a euristiche basate sulla teoria dei grafi che scalano con la dimensione della rete.
• Interpretabilità: Fornire un'interpretazione chiara della metrica di sicurezza attraverso la centralità di Katz, collegando la dinamica del sistema, la topologia della rete e i parametri di sicurezza.
• Fattibilità: Offrire un metodo per identificare insiemi di attacco "vulnerabili" e nodi di monitoraggio "efficaci" senza dover risolvere complessi problemi di ottimizzazione, consentendo così la valutazione della sicurezza e l'allocazione delle risorse in reti positive su larga scala dove i metodi precedenti erano computazionalmente proibitivi.

Gli autori osservano che, sebbene l'euristica non garantisca l'insieme di monitoraggio assolutamente ottimale, essa fornisce un insieme candidato fattibile che spesso supera l'insieme ottimale con budget vincolato, rilassando leggermente il vincolo del budget per garantire la fattibilità (perturbazione finita).