Secure Set-based State Estimation for Safety-Critical Applications under Adversarial Attacks on Sensors

技術要約：センサーへの敵対的攻撃下における、安全性が極めて重要なアプリケーションのための安全な集合ベース状態推定

問題定義
本論文は、センサーネットワークが敵対的な誤データ注入攻撃（False Data Injection Attacks）を受けた際に、サイバー物理システム（CPS）の安全性とセキュリティの保証を維持するという極めて重要な課題に取り組んでいる。従来の安全な状態推定（SSE）手法は、主に点ベース（point-based）であり、誤差範囲を持つ単一の状態推定値を提供するものである。これらの手法には根本的な限界がある。具体的には、通常、厳密に半数未満のセンサー（$q < p/2$）が侵害されていないことを要求しなければ、推定誤差を有界に保つことができない。さらに、点ベースの手法は「状態包含証明書（state inclusion certificates）」を提供できない。これは、電力網や自動運転車両などの安全性が極めて重要なアプリケーションにおいて、安全制約の形式検証を行うために不可欠なものである。既存の集合ベースの安全推定手法は、個々のセンサーが観測可能性を提供することを要求したり、システムが有界入力有界状態安定（BIBO安定）であることを想定したりといった制限的な仮定に依存しており、これが適用可能なシステムの範囲を狭めている。

手法：S3Eアルゴリズム
著者らは、最大で $q$ 個のセンサーが侵害されても（$q$ は $p-1$ まで可能）、システムが任意の $c_J$ 個の未侵害センサーのサブセットから観測可能である（$c_J \leq p-q$）という条件下で、保証された状態包含を維持するように設計された**安全な集合ベース状態推定（S3E）**アルゴリズムを提案している。

このアルゴリズムは離散時間ステップで動作し、実現可能な状態の集合を表現するために**制約付きゾノトープ（constrained zonotopes）**を利用する。コアとなる手順は、以下の4つの連続的な操作で構成される：

1. 時刻更新（Time Update）： システムのダイナミクス、既知の入力、および有界なプロセスノイズに基づき、予測された状態の集合を計算する。
2. 計測更新（Measurement Update）： 各センサー $i$ について、予測された集合を、そのセンサーの計測値（計測ノイズを考慮したもの）と整合する状態の集合と交差させる。これにより、集合 $\hat{Z}^i_k$ が得られる。
3. 合意プロトコル（Agreement Protocol）： 可能なすべてのセンサーの組み合わせ（$c_J$ 個のセンサーのサブセット $J_h$）を生成する。各組み合わせについて、対応する計測更新集合の共通部分（$\mathcal{I}^h_k = \bigcap_{j \in J_h} \hat{Z}^j_k$）を計算する。これらの共通部分は「合意集合（agreement sets）」と呼ばれる。
4. 推定（Estimation）： 最終的な推定集合 $\hat{X}_k$ は、すべての非空な合意集合の和集合である。

理論的な保証は帰納法を通じて確立されており、初期集合が真の状態を含み、かつシステムが冗長な観測可能性の仮定を満たす場合、すべての $k$ において真の状態 $x(k)$ が $\hat{X}_k$ に含まれることが保証される。

主な貢献

• 仮定の緩和： $q < p/2$ を必要とする点ベースの手法とは異なり、S3Eアルゴリズムは、少なくとも1つのセンサーが未侵害であり（$q \leq p-1$）、残りの安全なセンサーが観測可能性を維持している限り、正しく機能する。
• 状態包含証明書： この手法は、点ではなく（一連の制約付きゾノトープの集合としての）集合を出力し、真の状態が推定範囲内に存在するという厳格な証明を提供する。これは安全制約を検証するために極めて重要である。
• 攻撃の検知、特定、およびフィルタリング： 本論文では、以下に関する十分条件を導出している：
  • 検知（Detection）： すべての合意集合の共通部分が空集合である場合、攻撃が検知される。
  • 特定（Identification）： 特定のセンサーの計測更新が（時刻更新との不整合により）空集合となった場合、そのセンサーは侵害されたものと特定される。
  • フィルタリング（Filtering）： 特定のセンサーを含む合意集合が空である場合、そのセンサーのデータはその特定の仮説から効果的に排除される。
• 隠密性の制約（Stealth Constraints）： 分析によれば、攻撃者が検知を免れる（すなわち、すべての合意集合を非空に保つ）ためには、注入する信号の振幅を十分に小さくしなければならない。大きな振幅の攻撃はアルゴリズムによって自動的に破棄されるため、攻撃者は攻撃の影響力と隠密性の間でトレードオフを強いられる。
• 複雑性の管理： 著者らは、隠密な攻撃下では合意集合の数が指数関数的に増加する可能性があることを認めている。これに対し、空の集合の除去、交差するゾノトープのオーバーバウンディング、およびゾノトープの簡約技術の適用による生成子の数を制限するなどの戦略を提案している。

結果と評価
S3Eアルゴリズムの有効性は、数値シミュレーションを通じて実証されている：

• 単純な線形システム： 3つのセンサーがあり、2つのセンサーが侵害されている（$q=2, p=3$）1次元システムは、推定集合が離れた区間（仮説）の集合となる場合でも、真の状態が常に含まれていることを示している。論文では点ベースの手法と比較しており、$q \geq p/2$ の場合に点ベースの推定器が失敗するか、あるいは過度に保守的な誤差範囲を生成することを示している。
• 3階建て建物モデル： 地震活動下にある建物構造（変位と速度を計測する3つのセンサーを使用）を用いたより現実的なシミュレーションでは、攻撃が発生しているにもかかわらず、アルゴリズムが真の状態を追跡できる能力を示している。結果は、特定の侵害されたセンサーが時間とともに変化する場合でも、推定集合が有界であり、真の軌跡を含み続けていることを示している。
• 複雑性低減： 4つのセンサーと2つの侵害されたセンサーを持つ2次元線形システムにおけるシミュレーションは、交差する集合を統合するなどの複雑性低減技術を適用することで、精度を最小限に損なうことなく、推定集合の増大を効果的に制御できることを示している。

意義と主張
本論文は、S3Eアルゴリズムが既存の安全な推定手法に求められる仮定を根本的に緩和し、攻撃者が過半数のセンサーを侵害できるシナリオにも適用可能にすることを主張している。集合ベースの表現の幾何学的特性を活用することで、本手法は能動的な攻撃下においても安全性の検証が可能であることを保証する。著者らは、隠密性を維持するために攻撃者が完全なシステム知識と計算リソースを保有する必要があるという要求が、自然な障壁として機能する一方で、最悪の場合の計算複雑性は増加する可能性があることを強調している。本研究は、状態包含の形式的な検証が譲れない条件である安全性が極めて重要なシステムにおいて、集合ベースの推定が、高センサー侵害条件下で失敗する点ベースの推定器に代わる堅牢な選択肢となる、必要な進化であることを位置づけている。