A Nonlinear Incremental Approach for Replay Attack Detection

Probleemstelling

Cyber-fysieke systemen (CPS) zijn kwetsbaar voor replay-aanvallen, waarbij een aanvaller eerder opgenomen sensorgegevens opneemt en deze later opnieuw injecteert om de fysieke installatie te manipuleren. Hoewel detectiemethoden voor lineaire systemen goed onderzocht zijn, is er weinig onderzoek gedaan naar niet-lineaire systemen.

De bestaande aanpak voor detectie is vaak gebaseerd op een innovatie-gebaseerde detector (zoals de $\chi^2$-detector), die kijkt naar het verschil tussen de voorspelde en de ontvangen sensoruitgang. Het artikel toont aan dat deze detector onder bepaalde stabiliteitscondities kan falen bij replay-aanvallen op niet-lineaire systemen. De reden is dat de "innovatie" (het residu) onder een replay-aanval kan convergeren naar waarden die ononderscheidbaar zijn van de normale bedrijfsomstandigheden, waardoor de detectiegraad daalt tot het niveau van valse alarmen.

Methodologie

De auteurs stellen een nieuw raamwerk voor dat gebruikmaakt van watermarking (het toevoegen van een onzichtbaar signaal aan de stuursignalen) gecombineerd met incrementele gains (toename van de winst) voor niet-lineaire systemen.

1. Watermarking Strategie:

   • Er wordt een extra signaal $v = G\xi(t)$ toegevoegd aan de feedback-sturing.
   • $\xi(t)$ is een watermerk-signaal (bijv. chaotisch of Bernoulli-verdeling) dat onvoorspelbaar is voor de aanvaller.
   • Tijdens een replay-aanval probeert de aanvaller de oude, gezonde data te hergebruiken. Omdat het watermerk-signaal in de huidige tijd anders is dan in de opgenomen tijd, ontstaat er een inconsistentie tussen de verwachte plantreactie en de daadwerkelijke sensormetingen. Dit maakt de aanval detecteerbaar.

2. Incrementele Gains als Evaluatiemaatstaf:

   • Voor niet-lineaire systemen is het berekenen van exacte covarianties (zoals bij lineaire systemen) te complex. De auteurs gebruiken daarom incrementele $L_2$-gains.
   • Detectieprestatie: Geëvalueerd via de incrementele $L^-_{\delta2}$-winst. Dit geeft een ondergrens op de outputverschillen veroorzaakt door het verschil in input (het watermerk). Een hogere winst betekent een beter detectievermogen.
   • Prestatieverlies: Geëvalueerd via de incrementele $L^+_{\delta2}$-winst. Dit geeft een bovengrens op de verstoring van het gesloten-lus systeem door het watermerk. Een lagere winst betekent minder negatief effect op de besturing.

3. Optimalisatie en Co-design:

   • Er wordt een optimalisatieprobleem geformuleerd om de watermerk-versterkingsmatrix $G$ te vinden die de detectieprestatie maximaliseert (maximaliseer $L^-_{\delta2}$) terwijl het prestatieverlies binnen een bepaalde limiet blijft (constrain $L^+_{\delta2}$).
   • Het raamwerk wordt uitgebreid tot co-design: het gelijktijdig ontwerpen van de watermerk ($G$), de regelaar ($K$) en de observer ($L$).
   • De oplossing maakt gebruik van Lineaire Matrix Ongelijkheden (LMI) en een iteratief algoritme om de bilineaire termen in de vergelijkingen op te lossen.

Belangrijkste Bijdragen

• Analyse van Innovatie-gebaseerde Detectie: Het artikel bewijst wiskundig dat innovatie-gebaseerde detectoren onvoldoende zijn voor replay-aanvallen op niet-lineaire systemen zonder extra maatregelen.
• Nieuw Raamwerk voor Niet-Lineaire Systemen: De introductie van een watermerk-ontwerpraamwerk specifiek voor niet-lineaire systemen, gebaseerd op incrementele gains in plaats van statistische covarianties.
• Definitie van $L^-_{\delta2}$-winst: De auteurs ontwikkelen een nieuwe karakterisering voor de incrementele $L^-_{\delta2}$-winst (inclusief Lyapunov-functies en LMI-voorwaarden), die essentieel is om een ondergrens te stellen voor de detectieprestatie.
• Co-design Methode: Een systematische aanpak om de watermerk, regelaar en observer gelijktijdig te optimaliseren voor een betere afweging tussen beveiliging en besturingskwaliteit.

Resultaten

De methode werd gevalideerd via numerieke simulaties op een single-link robot-systeem (een niet-lineair model).

• Detectieverbetering: Zonder watermerk werd de replay-aanval niet gedetecteerd. Met het watermerk werd de aanval succesvol gedetecteerd.
• Iteratief Algoritme: Het co-design algoritme (Algorithm 2) verbeterde de detectieprestaties aanzienlijk ten opzichte van een standaard ontwerp.
  • Bij een chaotisch watermerk steeg het detectiepercentage naar 100% en daalde de gemiddelde detectievertraging van 3,79s naar 1,92s.
  • Bij een Bernoulli watermerk steeg het detectiepercentage van 69,5% naar 99,6% en daalde de gemiddelde vertraging van 13,15s naar 6,01s.
• Robuustheid: De verbeterde parameters bleven effectief bij verschillende ruisniveaus, wat blijkt uit een hogere ratio ($D$) tussen de detectoruitgang tijdens en voor de aanval.
• Besturingsprestatie: De simulaties toonden aan dat de verbeterde detectie niet ten koste ging van de besturingskwaliteit; de systeemtoestanden bleven stabiel en binnen de toegestane limieten.

Betekenis

Dit onderzoek is significant omdat het een van de eerste systematische oplossingen biedt voor replay-aanvallen op niet-lineaire cyber-fysieke systemen. Bestaande methoden zijn vaak beperkt tot lineaire modellen of vereisen complexe statistische aannames die niet gelden voor niet-lineaire dynamica. Door gebruik te maken van incrementele gains en LMI-technieken, biedt het artikel een rekenkundig haalbare manier om beveiliging en besturingsprestaties te balanceren. De mogelijkheid tot co-design van de regelaar, observer en watermerk biedt een nieuwe route voor het ontwerpen van robuuste en veilige industriële systemen.