Secure Filtering against Spatio-Temporal False Data Attacks under Asynchronous Sampling

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 전력 시스템, 수자원 네트워크, 교통 시스템과 같은 대규모 사이버 - 물리 시스템 (CPS) 은 비주기적 (non-periodic) 이고 비동기적 (asynchronous) 으로 샘플링된 측정을 사용합니다. 센서는 측정값뿐만 아니라 샘플링 타임스탬프도 fusion center(융합 센터) 로 전송합니다.
• 문제: 이러한 비동기적 샘플링 환경은 새로운 취약점을 만들어내며, 악성 공격자들은 이를 악용할 수 있습니다. 본 논문은 **시공간적 허위 데이터 공격 (Spatio-Temporal False Data Attacks)**을 가정합니다. 이는 다음 4 가지 형태를 포함하거나 결합할 수 있습니다:
  1. 허위 데이터 주입 (False-data injection): 측정값을 조작.
  2. 타임스탬프 조작 (Time-stamp manipulation): 측정값은 정상이지만 전송 시간을 변경 (비동기 시스템에서 상태 예측 오차 유발).
  3. 서비스 거부 (DoS): 측정값 전송 차단.
  4. 완전한 허위 데이터 생성 (False-data generation): 존재하지 않는 센서에서 새로운 측정값과 타임스탬프를 생성.
• 목표: 이러한 공격 하에서도 시스템 상태를 **균일하게 유계된 오차 (uniformly bounded error)**로 추정할 수 있는 안전한 상태 추정기 (Secure State Estimator) 를 설계하는 것.

2. 제안된 방법론 (Methodology)

논문은 연속 시간 선형 시불변 (LTI) 시스템을 대상으로 하며, 다음과 같은 단계로 알고리즘을 구성합니다.

가. 비동기 샘플링 데이터 칼만 필터 (KF) 의 분해

• 기존 비동기 샘플링 데이터 칼만 필터 (KF) 를 **국소 상태 추정기 (Local State Estimators)**의 선형 합으로 분해합니다.
• 각 센서 $i$는 자신의 측정값을 기반으로 국소 추정치 $\zeta_i[k]$를 비동기적으로 유지합니다.
• 이 국소 추정치들은 시간 예측을 통해 동기화되고, 타임스탬프 정렬 후 융합됩니다.
• 핵심 아이디어: 공격이 없는 이상적인 경우, 이 분해된 국소 추정치들을 **가중 최소제곱법 (Weighted Least Squares, WLS)**으로 융합하면, 중앙 집중식 KF 가 제공하는 최적 추정치와 정확히 일치함을 증명합니다.

나. $\ell_1$ 정규화를 통한 안전한 융합 (Secure Fusion)

• 공격이 존재할 경우, WLS 문제를 **$\ell_1$ 정규화 (Lasso-type regularization)**를 추가하여 수정합니다.
• 최적화 문제:
  $$\min_{\check{x}[k], \mu[k], \vartheta[k]} \frac{1}{2}\mu[k]^\top \tilde{W}^{-1}[k] \mu[k] + \gamma \|\vartheta[k]\|_1$$
  $$\text{subject to } V[k]\zeta[k] = H\check{x}[k] + \mu[k] + \vartheta[k]$$
  • $\check{x}[k]$: 안전한 상태 추정치.
  • $\vartheta[k]$: 공격으로 인한 오차 (희소성 assumption 하에서 소수의 센서만 공격받음).
  • $\gamma$: 정규화 파라미터.
• 원리: $\ell_1$ 정규화는 희소성 (Sparsity) 을 가진 공격 신호를 억제하고 제거하는 역할을 합니다. 즉, 공격받은 센서의 측정값이 전체 추정치에 미치는 영향을 최소화하도록 설계되었습니다.

다. 이론적 분석

• 공격이 없는 경우: 정규화 파라미터 $\gamma$가 특정 조건을 만족하면, 제안된 알고리즘은 공격이 없는 최적의 칼만 필터 (Oracle KF) 와 동일한 추정치를 제공합니다.
• 공격이 있는 경우: 추정 오차는 공격의 크기에 의존하지 않으며, 오직 시스템의 관측 가능성 (Observability) 과 공격이 없는 상황에서의 칼만 필터 오차에 의해 결정되는 **균일한 상한 (Uniform Upper Bound)**을 가집니다. 이는 $2p$-희소 관측 가능성 (2p-sparse observability) 가 가정될 때 성립합니다.

3. 주요 기여 (Key Contributions)

1. 새로운 공격 모델: 비동기 샘플링 시스템에서 측정값 조작뿐만 아니라 타임스탬프 조작과 새로운 허위 데이터 생성을 포함한 통합된 시공간적 공격 모델을 제시했습니다.
2. 분해 기반 융합 알고리즘: 칼만 필터를 국소 추정기로 분해하고, 이를 가중 최소제곱법으로 융합하여 공격이 없을 때 최적성을 보장하는 알고리즘을 개발했습니다.
3. $\ell_1$ 정규화 기반 보안 강화: 공격이 있을 때, $\ell_1$ 정규화를 도입하여 공격의 영향을 제거하고 상태 추정 오차를 공격과 무관하게 유계화 (Bounded) 하는 이론적 근거를 제시했습니다.
4. 이론적 증명:
   • 공격 부재 시 최적 칼만 필터와 동등함을 증명 (Theorem 1, 2).
   • 공격 존재 시 추정 오차의 상한이 공격 신호와 무관함을 증명 (Theorem 3).

4. 실험 결과 (Simulation Results)

• 테스트 환경: IEEE 14-bus 전력 시스템 (28 개 상태 변수, 42 개 센서) 을 사용하여 시뮬레이션 수행.
• 공격 시나리오: 버스 2~5 의 센서들에 대해 다음과 같은 복합 공격 수행:
  • 버스 3 위상각 센서: 허위 데이터 주입.
  • 버스 5 전력 센서: 타임스탬프 조작.
  • 버스 4 각속도 센서: DoS 공격.
  • 버스 2 전력 센서: 완전한 허위 데이터 생성.
• 성능 비교:
  • 기존 KF: 공격 시 추정 오차가 급격히 증가하여 시스템 상태를 제대로 추적하지 못함.
  • 강건한 KF (Robust KF): 제안된 방법보다 성능이 떨어짐.
  • 제안된 알고리즘 (Secure LS with $\ell_1$): 공격이 있더라도 오차가 매우 작게 유지되며, 공격이 없는 경우의 최적 추정치 (Oracle KF) 에 근접함.
  • 이론적 검증: 실제 오차가 Theorem 3 에서 유도된 이론적 상한선 내에 있음을 확인.

5. 의의 및 결론 (Significance & Conclusion)

• 실용성: 대규모 CPS 시스템에서 필수적인 비동기 및 비주기적 샘플링 환경에서도 강력한 보안성을 제공하는 실용적인 알고리즘을 제시했습니다.
• 혁신성: 기존 연구들이 주로 측정값 조작에만 집중했던 것과 달리, 타임스탬프 조작이라는 새로운 위협을 효과적으로 처리하고, 이를 해결하기 위해 분해 기반의 최적화 기법을 도입했습니다.
• 향후 전망: 강건한 칼만 필터링과 제안된 $\ell_1$ 정규화 융합 기법을 결합하여 공격과 측정치 이상치 (outliers) 를 동시에 처리하는 방향으로의 확장이 가능함을 시사합니다.

요약하자면, 이 논문은 비동기 샘플링 환경에서의 시공간적 허위 데이터 공격을 효과적으로 방어하기 위해 칼만 필터 분해와 $\ell_1$ 정규화 최적화를 결합한 새로운 안전한 상태 추정 알고리즘을 제안하고, 이를 이론적으로 증명 및 시뮬레이션을 통해 검증한 연구입니다.