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

Resumo Técnico: Estimativa de Estado Baseada em Conjuntos Segura para Aplicações Críticas de Segurança sob Ataques Adversários em Sensores

Definição do Problema
O artigo aborda o desafio crítico de manter garantias de segurança e proteção em sistemas ciber-físicos (CPS) quando redes de sensores são submetidas a ataques adversários de injeção de dados falsos. Os métodos tradicionais de estimativa de estado segura (SSE) são predominantemente baseados em pontos, fornecendo uma estimativa de estado única com limites de erro. Esses métodos enfrentam limitações fundamentais: eles tipicamente exigem que estritamente menos da metade dos sensores permaneçam não comprometidos ($q < p/2$) para garantir erros de estimativa limitados. Além disso, métodos baseados em pontos não podem fornecer "certificados de inclusão de estado", que são essenciais para a verificação formal de restrições de segurança em aplicações críticas de segurança (ex: redes elétricas, veículos autônomos). Abordagens de estimativa baseadas em conjuntos existentes para estimativa segura dependem de suposições restritivas, como exigir que cada sensor individual forneça observabilidade ou assumir que o sistema é estável de entrada limitada e estado limitado, o que limita sua aplicabilidade a uma classe estreita de sistemas.

Metodologia: O Algoritmo S3E
Os autores propõem um algoritmo de Estimativa de Estado Baseada em Conjuntos Segura (S3E) projetado para manter a inclusão de estado garantida mesmo quando um adversário compromete até $q$ sensores, onde $q$ pode ser tão alto quanto $p-1$ (todos exceto um), desde que o sistema permaneça observável a partir de qualquer subconjunto de $c_J$ sensores não comprometidos ($c_J \leq p-q$).

O algoritmo opera em passos de tempo discretos e utiliza zonótopos restritos para representar conjuntos de estados factíveis. O procedimento central envolve quatro operações sequenciais:

1. Atualização de Tempo: Computa um conjunto previsto de estados baseado na dinâmica do sistema, entradas conhecidas e ruído de processo limitado.
2. Atualização de Medição: Para cada sensor $i$, o conjunto previsto é intersectado com o conjunto de estados consistentes com a medição do sensor (considerando o ruído de medição). Isso gera um conjunto $\hat{Z}^i_k$.
3. Protocolo de Acordo: O algoritmo gera todas as combinações possíveis de $c_J$ sensores. Para cada combinação (subconjunto $J_h$), computa-se a interseção dos correspondentes conjuntos de atualização de medição ($\mathcal{I}^h_k = \bigcap_{j \in J_h} \hat{Z}^j_k$). Essas interseções são denominadas "conjuntos de acordo".
4. Estimativa: O conjunto estimado final $\hat{X}_k$ é a união de todos os conjuntos de acordo não vazios.

Garantias teóricas são estabelecidas via indução, provando que, se o conjunto inicial contiver o estado verdadeiro e o sistema satisfizer a suposição de observabilidade redundante, o estado verdadeiro $x(k)$ é garantidamente contido em $\hat{X}_k$ para todo $k$.

Principais Contribuições

• Suposições Relaxadas: Ao contrário dos métodos baseados em pontos que exigem $q < p/2$, o algoritmo S3E funciona corretamente desde que pelo menos um sensor não seja comprometido ($q \leq p-1$), desde que os sensores seguros restantes mantenham a observabilidade.
• Certificados de Inclusão de Estado: O método fornece um conjunto (uma coleção de zonótopos restritos) em vez de um ponto, oferecendo um certificado rigoroso de que o estado verdadeiro reside dentro dos limites estimados. Isso é crucial para verificar restrições de segurança.
• Detecção, Identificação e Filtragem de Ataques: O artigo deriva condições suficientes para:
  • Detecção: Se a interseção de todos os conjuntos de acordo for vazia, um ataque é detectado.
  • Identificação: Se a atualização de medição de um sensor específico resultar em um conjunto vazio (devido à inconsistência com a atualização de tempo), esse sensor é identificado como comprometido.
  • Filtragem: Se um conjunto de acordo envolvendo um sensor específico for vazio, os dados desse sensor são efetivamente filtrados dessa hipótese específica.
• Restrições de Furtividade (Stealth): A análise demonstra que, para um atacante permanecer indetectado (ou seja, manter todos os conjuntos de acordo não vazios), ele deve injetar sinais de magnitude suficientemente pequena. Ataques de grande magnitude são automaticamente descartados pelo algoritmo, forçando o adversário a trocar o impacto do ataque pela furtividade.
• Gestão de Complexidade: Os autores reconhecem que o número de conjuntos de acordo pode crescer exponencialmente sob ataques furtivos. Eles propõem estratégias para gerenciar isso, incluindo a remoção de conjuntos vazios, o sobre-limite (overbounding) de interseções de zonótopos e a aplicação de técnicas de redução de zonótopos para limitar o número de geradores.

Resultados e Avaliação
A eficácia do algoritmo S3E é demonstrada através de simulações numéricas:

• Sistema Linear Simples: Um sistema 1D com 3 sensores e 2 sensores comprometidos ($q=2, p=3$) ilustra que, embora o conjunto estimado possa consistir em intervalos disjuntos (hipóteses), o estado verdadeiro é sempre incluído. O artigo compara com métodos baseados em pontos, mostrando que estimadores baseados em pontos falham ou produzem limites de erro excessivamente conservadores quando $q \geq p/2$.
• Modelo de Edifício de Três Andares: Uma simulação mais realista de uma estrutura de edifício sob atividade sísmica com 3 sensores (medindo deslocamento e velocidade) e 1 sensor comprometido ($q=1$) demonstra a capacidade do algoritmo de rastrear o estado verdadeiro. Os resultados mostram que o conjunto estimado permanece limitado e contém a trajetória verdadeira, mesmo conforme o sensor específico comprometido muda ao longo do tempo.
• Redução de Complexidade: Simulações em um sistema linear 2D com 4 sensores e 2 sensores comprometidos ($q=2, p=4$) mostram que a aplicação de técnicas de redução de complexidade (mesclando conjuntos que se intersectam) controla efetivamente o crescimento do conjunto estimado com perda mínima de precisão.

Significância e Alegações
O artigo afirma que o algoritmo S3E relaxa fundamentalmente as suposições exigidas pelos métodos de estimativa segura existentes, tornando-o aplicável a cenários onde adversários podem comprometer a maioria dos sensores. Ao alavancar as propriedades geométricas das representações baseadas em conjuntos, o método garante que a verificação de segurança permaneça possível mesmo sob ataques ativos. Os autores enfatizam que, embora a complexidade computacional de pior caso possa aumentar com ataques furtivos, a exigência de que o atacante possua conhecimento perfeito do sistema e recursos computacionais para manter a furtividade atua como uma barreira natural. O trabalho posiciona a estimativa baseada em conjuntos como uma evolução necessária para sistemas críticos de segurança, onde a verificação formal da inclusão de estado é inegociável, oferecendo uma alternativa robusta aos estimadores baseados em pontos que falham sob condições de alto comprometimento de sensores.