Centrality-Based Security Allocation in Networked Control Systems

Título: Alocação de Segurança Baseada em Centralidade em Sistemas de Controle em Rede

1. Problema Abordado

O artigo aborda o problema de alocação de recursos de segurança em Sistemas de Controle em Rede (NCS), que consistem em múltiplos subsistemas interconectados. O cenário envolve dois agentes estratégicos opostos:

• O Adversário: Um agente malicioso que busca maximizar o impacto de um ataque no desempenho global do sistema, mantendo-se indetectável. O adversário realiza injeções de dados furtivos (stealthy data injection attacks) em um conjunto limitado de vértices (subsistemas), sujeito a restrições de orçamento de ataque (número de vértices atacados) e energia do sinal de ataque.
• O Defensor: Um agente que deve alocar recursos de monitoramento (sensores) em um subconjunto limitado de vértices para detectar o adversário. O defensor não conhece a estratégia de ataque específica e deve tomar decisões antes do ataque ocorrer.

O desafio central é que a alocação de segurança ótima exige a resolução de um problema de otimização combinatória complexo (minimax), onde todas as combinações possíveis de ataques e defesas devem ser consideradas. Isso torna o cálculo computacionalmente proibitivo para redes de grande escala.

2. Metodologia

Os autores propõem uma abordagem baseada em medidas de centralidade para guiar a seleção dos vértices a serem monitorados, evitando a necessidade de resolver o problema de otimização inteira mista completo.

• Modelo Matemático: O sistema é modelado como um grafo não direcionado e conectado. O desempenho do sistema é quantificado por uma função de custo baseada na energia $L_2$ dos estados. O impacto do pior caso de um ataque furtivo (WCAI - Worst-Case Attack Impact) é formulado como um problema de otimização semidefinida (SDP).
• Alocação Ótima: A solução ideal é definida como um problema minimax onde o defensor escolhe um conjunto de monitores para minimizar o impacto máximo que o adversário pode causar. Isso é formulado como um problema de Programação Semidefinida Inteira Mista (MISDP), que é computacionalmente pesado.
• Alocação Baseada em Centralidade: Para contornar a complexidade, o artigo propõe selecionar os vértices de monitoramento com base em três métricas de centralidade de grafos:
  1. Centralidade de Grau (Degree): Número de conexões diretas de um nó.
  2. Centralidade de Intermediação (Betweenness): Frequência com que um nó atua como ponte no caminho mais curto entre outros nós.
  3. Centralidade de Proximidade (Closeness): Inverso da média dos caminhos mais curtos de um nó para todos os outros.
• Abordagem Combinada: Além das métricas individuais, os autores propõem uma estratégia combinada onde as três métricas são calculadas, e o conjunto de monitores que resulta no menor WCAI (entre os três) é selecionado.

3. Contribuições Principais

• Novo Paradigma de Alocação: Introdução do uso de medidas de centralidade de grafos como um método heurístico eficiente para alocação de segurança em NCS, focando nos nós mais influentes ou conectados.
• Redução de Complexidade Computacional: Demonstra-se que a abordagem baseada em centralidade transforma um problema de otimização combinatória NP-difícil em um processo de cálculo de métricas de grafo seguido de uma verificação SDP simples, reduzindo drasticamente o tempo de computação.
• Análise Comparativa: Avaliação rigorosa comparando a solução ótima (custo computacional alto) com as soluções baseadas em centralidade, medindo o "gap" (diferença) no impacto do ataque e no tempo de resolução.
• Validação em Cenários Reais e Sintéticos: O método é testado em grafos aleatórios de Erdős–Rényi e no sistema de energia padrão IEEE 14-bus.

4. Resultados Experimentais

Os experimentos foram realizados em grafos aleatórios (Erdős–Rényi) com tamanhos de rede de 10 a 20 nós e no sistema IEEE 14-bus.

• Desempenho em Grafos Aleatórios:
  • A centralidade combinada e a centralidade de intermediação (betweenness) apresentaram os melhores resultados.
  • O gap relativo no impacto do ataque (WCAI) em relação à solução ótima foi mantido abaixo de 10% para a maioria dos casos (especialmente para orçamentos de ataque pequenos).
  • Em termos de tempo de resolução, a abordagem baseada em centralidade reduziu o tempo de computação em aproximadamente 70% a 90% comparado à solução ótima.
• Caso de Estudo IEEE 14-bus:
  • A centralidade identificou o barramento 4 como o melhor local de monitoramento, enquanto a solução ótima indicou o barramento 2.
  • A diferença no impacto do ataque entre a escolha baseada em centralidade (barramento 4) e a ótima (barramento 2) foi de menos de 2%, considerada aceitável.
  • Outras escolhas de barramentos resultaram em gaps muito maiores (ex: 10% para o barramento 8), validando a eficácia da métrica.

5. Significado e Conclusão

O estudo conclui que, embora a solução ótima matematicamente perfeita seja desejável, ela é frequentemente inviável para redes grandes devido às restrições de hardware e tempo. A abordagem baseada em centralidade de intermediação (betweenness centrality) e a abordagem combinada oferecem um equilíbrio excelente entre desempenho e eficiência computacional.

• Significado Prático: Para redes de grande escala onde o tempo de resposta é crítico e os recursos computacionais são limitados, utilizar medidas de centralidade permite uma alocação de segurança "quase ótima" com um custo computacional drasticamente reduzido.
• Recomendação: Para grafos aleatórios e sistemas de energia, a centralidade de intermediação (betweenness) se destaca como a métrica individual mais robusta, enquanto a abordagem combinada oferece a maior segurança média, garantindo que o pior caso de desempenho seja minimizado.

Em suma, o trabalho fornece uma ferramenta prática para engenheiros de segurança ciber-física tomarem decisões rápidas e informadas sobre onde colocar sensores de detecção em redes complexas sob ameaça de ataques furtivos.