Resumo Técnico: Localização Ativa de Fontes Acústicas Adversariais de Curto Alcance para Vigilância de Data Centers Submarinos

1. Declaração do Problema

Os Data Centers Submarinos (UDCs) oferecem vantagens em refrigeração e segurança física, mas introduzem vulnerabilidades únicas a ataques de injeção acústica. Diferentemente das instalações terrestres, os vasos de pressão preenchidos com nitrogênio e a água circundante dos UDCs conduzem som de forma eficiente, permitindo que sinais acústicos de banda estreita induzam vibrações mecânicas em Unidades de Disco Rígido (HDDs). Essas vibrações podem causar erros de E/S, degradação da taxa de transferência e falhas permanentes do sistema em aproximadamente 85 segundos.

Embora trabalhos anteriores tenham focado em detectar esses ataques por meio de Sinais de Erro de Posição (PES) internos, eles carecem da capacidade de localizar e rastrear a fonte adversarial no espaço 3D. Os métodos convencionais de Localização de Fonte Sonora (SSL) são inadequados para este cenário específico devido a várias restrições:

• Fontes Não Cooperativas e de Banda Estreita: Sinais adversariais são tonais e carecem de sincronização, causando ambiguidade de fase na estimativa de Diferença de Tempo de Chegada (TDOA).
• Problemas de Escalabilidade: A implantação de grandes arrays de hidrofones sincronizados em instalações offshore de múltiplos módulos é logisticamente proibitiva.
• Complexidade Ambiental: Implantações em águas rasas sofrem com fortes reflexões de superfície e do leito (multicaminho) que enviesam as medições.
• Incerteza do Receptor Móvel: O uso de um robô móvel para vigilância introduz incerteza no próprio estado do receptor (posição e velocidade), que filtros padrão frequentemente falham em considerar.
• Sensibilidade à Inicialização: Filtros recursivos padrão (por exemplo, filtros de Kalman) frequentemente divergem ou convergem lentamente quando inicializados sem conhecimento prévio do estado da fonte em condições não lineares e com ambiguidade de fase.

2. Metodologia

Os autores propõem uma estrutura de Localização de Fonte Acústica Adversarial (AASL) que utiliza uma configuração de receptor heterogênea: um hidrofone estático montado no módulo do UDC e um hidrofone móvel carregado por um robô de vigilância autônomo (ASV/AUV). O sistema estima a posição 3D ($p_s$) e a velocidade ($v_s$) da fonte fundindo medições de TDOA e Diferença de Frequência de Chegada (FDOA) dentro de um pipeline de Filtro de Kalman Unscented (UKF).

Componentes Técnicos Principais:

• Modelo de Medição:

  • TDOA: Estimado via correlação cruzada de janela curta. Para abordar o enrolamento de fase em sinais de banda estreita, um algoritmo de desenrolamento temporal é aplicado para manter a continuidade.
  • FDOA: Derivado da inclinação de fase da densidade espectral cruzada entre os dois canais.
  • Correção de Multicaminho: Um modelo de fonte imagem de primeira ordem é utilizado para corrigir diferenças de alcance para reflexões de superfície e do leito, modelando o ambiente como tendo uma imagem de superfície e uma imagem de leito.
  • Covariância Efetiva: A covariância da medição é inflada para contabilizar a incerteza no estado do receptor móvel (deriva de GPS, erros de navegação), impedindo que o filtro se torne excessivamente confiante.

• Esquema de Inicialização LC-MAP:

  • Um novo esquema Locus-Conditioned Maximum A-Posteriori (LC-MAP) é introduzido para gerar um priori informado para o UKF.
  • Em vez de inicialização aleatória ou no ponto médio geométrico, o LC-MAP amostra posições candidatas ao longo do locus hiperbólico definido pela medição inicial de TDOA.
  • Ele avalia a verossimilhança dessas candidatas sob o modelo conjunto TDOA-FDOA, ponderado por um termo de Matriz de Informação de Fisher (FIM) para favorecer regiões geometricamente bem condicionadas. Isso garante que o filtro inicie com um estado fisicamente plausível, acelerando a convergência.

• Estimativa de Estado:

  • O UKF propaga o estado da fonte usando modelos de movimento (Velocidade Constante, Aceleração Constante, Taxa de Curvatura Constante).
  • O filtro funde recursivamente as medições de TDOA e FDOA corrigidas por multicaminho para refinar a trajetória da fonte.

3. Principais Contribuições

O artigo delineia quatro contribuições primárias:

1. Arquitetura Heterogênea Escalável: Um sistema de dois hidrofones (um estático, um móvel) que fornece cobertura de ampla área e rastreamento 3D sem a sobrecarga logística de arrays fixos densos e sincronizados.
2. Inicialização LC-MAP: Um esquema inovador que funde observações não lineares TDOA-FDOA com restrições geométricas para gerar priors fisicamente consistentes, melhorando significativamente a velocidade de convergência e as taxas de sucesso em comparação com métodos de inicialização padrão.
3. Formulação de Filtragem Robusta: Uma abordagem de filtragem conjunta TDOA-FDOA que contabiliza explicitamente o viés de multicaminho em águas rasas e a incerteza do estado do receptor móvel, aumentando a robustez em cenários de implantação realistas.
4. Validação Abrangente: A estrutura é validada por meio de simulações de Monte Carlo, simulações de física Gazebo-ROS e ensaios de campo em águas abertas do mundo real, demonstrando desempenho em diversos cenários de ataque (estático, em movimento, em curva).

4. Resultados Experimentais

A avaliação utilizou simulações de Monte Carlo, simulações de física Gazebo-ROS e 15 ensaios de campo em um ambiente de lago de águas rasas.

• Desempenho de Inicialização: Em simulações de Monte Carlo através de quatro modelos de movimento (estático, velocidade constante, aceleração constante, taxa de curvatura constante), o esquema LC-MAP alcançou taxas de sucesso >90% na maioria dos cenários. Reduziu o tempo médio de convergência em quase 50% em comparação com uma inicialização ingênua de ponto médio e superou as bases Random Sphere e TDOA-LS.
• Precisão de Localização:
  • Simulações Gazebo: Alcançaram um Erro Quadrático Médio (RMSE) submetro para fontes estáticas e móveis.
  • Ensaios de Campo: Em testes reais em águas rasas, o filtro compensado (incorporando multicaminho e incerteza do receptor) reduziu o RMSE de 1,89 m para 1,37 m em comparação com o filtro nominal não compensado.
• Comparação de Escalabilidade: Comparado a bases de arrays fixos (OSLS e SDP) para uma instalação de 8 módulos, o sistema proposto reduziu o número necessário de receptores de 48–64 sensores fixos para apenas 9 sensores (8 estáticos + 1 móvel compartilhado), enquanto estima simultaneamente a velocidade (o que arrays fixos tipicamente não conseguem fazer).
• Estudos de Ablação:
  • Multicaminho: Ignorar reflexões de multicaminho resultou em uma taxa de convergência de 9% e grandes erros (RMSE médio ~25,7 m). O modelo consciente de multicaminho alcançou 100% de convergência com um RMSE médio de 0,98 m na simulação.
  • Incerteza do Receptor: Filtros que compensaram a incerteza do estado do receptor móvel permaneceram estáveis (RMSE < 3 m) mesmo com erros de posição de até 70 cm, enquanto filtros não compensados degradaram-se rapidamente.

5. Significado e Alegações

O artigo afirma estabelecer uma abordagem em tempo real consciente de geometria para localização de ameaças acústicas que avança as capacidades de vigilância autônoma de infraestrutura submarina.

• Viabilidade Prática: Ao demonstrar localização bem-sucedida em ensaios de campo do mundo real com medições ruidosas, o trabalho prova que a vigilância ativa de UDCs é viável sem exigir densidades de sensores impraticáveis.
• Utilidade Defensiva: A estrutura permite a ativação rápida de contramedidas defensivas (por exemplo, isolamento de tráfego, neutralização de ameaças) dentro da janela crítica de 85 segundos antes que ocorra dano permanente ao hardware.
• Generalização: Embora focado em UDCs, os autores afirmam que a estrutura fornece uma base escalável para vigilância acústica de outros ativos offshore, como redes de sensores submarinos e repetidores de comunicação.

Os autores permanecem modestos quanto às limitações, reconhecendo que o modelo de multicaminho atual é de primeira ordem e que o desempenho no mundo real é limitado pela diversidade geométrica, precisão de navegação do receptor e interferência ambiental. Eles identificam trabalhos futuros em implantação em águas profundas, planejamento de trajetória orientado à observabilidade e processamento de campo correspondido para mitigação de multicaminho de ordem superior.