⚡ electrical engineering

Mitigating Timing-Based Attacks in Real-Time Cyber-Physical Systems

本文提出了一种基于调度的缓解框架，通过引入有界的、结构化的时序扰动来模糊执行模式，从而保护实时信息物理系统免受基于时序的攻击，同时严格保证实时可调度性和控制性能。

原作者： Arkaprava Sain, Sunandan Adhikary, Soumyajit Dey

发布于 2026-02-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Arkaprava Sain, Sunandan Adhikary, Soumyajit Dey

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个高规格的管弦乐团，每一位乐手（计算机任务）都必须在完全相同的时刻奏响他们的音符，才能确保音乐（物理系统，如汽车或电网）的安全。在这些“实时信息物理系统”（Real-Time Cyber-Physical Systems）中，时序就是一切。如果乐手哪怕只晚了零点几秒，整个表演都可能崩溃，从而导致灾难。

然而，这种严格、可预测的节奏也有其阴暗面。因为其调度如此僵化且可预测，一个狡猾的窃听者（攻击者）可以通过监听节奏，弄清楚什么时候是最重要的乐手（安全关键型任务）在演奏，并能在音符之间的微小间隙中溜进去篡改音乐。这被称为基于时序的攻击（Timing-Based Attack）。

问题所在：可预测的节奏

把系统的调度想象成一份火车时刻表。 “安全关键型火车”（控制任务）分别在 10:00、10:10、10:20 等时间出发。

攻击者的诡计： 一列恶意的“不可信”火车（低优先级任务）完全知道安全关键型火车的到达和离开时间。攻击者会等待安全关键型火车卸下它的货物（数据），然后立即跳入，在下一班车到达之前将货物替换为伪造的东西。
窗口期： 在安全关键型火车离开后，存在一个特定的“攻击窗口”。如果这列坏火车能在规定时间内赶到，它就能破坏系统。

旧的解决方案（以及它们为何失败）

以往试图阻止这种行为的方法，就像是试图隐藏火车时刻表一样：

随机化调度： 让火车在随机的时间出发。问题在于： 这会让系统本身陷入混乱，导致延迟，从而可能引发汽车撞车或电网故障。
隔离火车： 将坏火车留在另一个车场。问题在于： 这会浪费空间和资源，使系统效率低下。

新的解决方案：SecureRT（“智能延迟”框架）

该论文的作者提出了一个名为 SecureRT 的新框架。他们没有采用随机的混乱或严格的隔离，而是使用了一种经过计算的、“智能”的延迟。

想象指挥家（调度器）有一个秘密计划。当他们怀疑受到攻击时，他们不会取消火车，而是告诉安全关键型火车在出发前等待一个特定的、预先计算好的时间。

其运作方式分为三步：

1. 安全检查（火车仍能准时到达吗？）

在做出任何更改之前，系统会计算最大安全延迟。它会询问：“如果我们让火车等待 3 秒，它还能在截止日期前到达目的地吗？”

如果答案是“是”，那么这个延迟是安全的。
如果答案是“否”，那么延迟太长了，可能会导致事故。
这确保了系统仍然是可调度的（即安全且准时的）。

2. 性能检查（音乐听起来还和谐吗？）

即使火车准时到达，等待时间过长也可能导致音乐变得跑调。系统会计算如果火车等待，其“控制性能”（音乐质量）会如何下降。

他们设定了一个限制：“音乐的质量最多只能下降 5%”。
他们寻找最大容许延迟——即既能保持音乐足够好听，又能允许的最长等待时间。

3. 智能洗牌（优化）

现在，系统解决一个复杂的谜题。它观察“攻击窗口”和“坏火车”（不可信任务）的调度情况。

它计算出一系列延迟序列（例如：等待 3 秒，然后等待 0 秒，再等待 5 秒），以此来偏移安全关键型火车的到达时间，使其偏移量恰好足以让“坏火车”无法挤进攻击窗口。
这就像移动火车的出发时间，使得坏人正好被困在红灯前，而此时火车正要出发。

它是如何在现实中运作的

系统运行着一个“检测器”（类似于保安）来监视篡改迹象。

正常模式： 火车按照标准的快速调度运行。
检测到攻击： 如果保安看到了可疑模式（“坏火车”试图溜进来），系统会立即切换到 SecureRT 模式。
切换： 系统会对安全关键型火车应用预先计算好的“智能延迟”。火车会在与平时略有不同的时间出发，从而打乱攻击者的时序。
结果： 攻击者无法再预测何时发动袭击。由于“坏火车”错过了窗口期，数据保持安全，系统继续平稳运行。

核心结论

论文表明，你并不需要在安全性和可靠性之间做选择。通过使用“智能延迟”策略，你可以：

迷惑攻击者，使他们无法猜出何时发动袭击。
保持系统安全，确保延迟永远不会超过安全限度。
保持系统性能，确保延迟不会破坏控制质量。

在他们使用模拟汽车控制系统的实验中，他们展示了虽然标准系统会被黑客攻击并导致崩溃，且“随机延迟”系统会被黑客攻击并导致表现糟糕，但他们的 SecureRT 系统能够成功拦截攻击，同时保持汽车行驶完美。

技术摘要：缓解实时信息物理系统中的基于时间的攻击

问题陈述

实时信息物理系统（CPS），如汽车、航空电子和工业物联网领域，依赖于任务执行的确定性来确保安全性和正确性。这种确定性通常通过抢占式固定优先级（PFP）调度来实现，但也无意中创造了时间侧信道。攻击者可以利用这些可预测的调度特性，推断出高优先级“受害者”控制任务的执行模式。

具体而言，本文研究的是基于调度的攻击（SBAs）。在这些攻击中，攻击者通过控制一个低优先级的不可信任务，来预测高优先级“受害者”控制任务的到达时间。通过计算攻击有效窗口（AEW）——即受害者任务执行后数据缓冲区处于脆弱状态的时间间隔——攻击者可以发起虚假数据注入（FDI）攻击。这些攻击会操纵存储在共享 I/O 缓冲区中的控制输入，可能导致闭环控制性能下降或系统失效。

现有的防御措施，如调度随机化或时间隔离，往往无法兼顾此类修改对控制性能和可调度性产生的关键影响。随机化可能会增加上下文切换和错过截止期限的情况，而噪声注入（例如拉普拉斯分布）可能会违反硬实时安全关键系统所要求的严格定时保证。

方法论：SecureRT 框架

作者提出了 SecureRT，该框架通过向受害者控制任务引入有界的、结构化的作业级延迟来缓解时间推断攻击。该方法旨在最小化受害者的 AEW 与不可信任务执行之间的时域重叠，同时不违反实时保证或降低控制质量。

该框架通过三个连续步骤运行：

1. 设计时分析

可调度性分析 (WCRT)： 框架进行保守的最坏情况响应时间（WCRT）分析，以确定峰值作业级延迟 ( $\Delta^{peak}_v$ )。这是可以在不导致受害者或任何低优先级任务错过截止期限的情况下，应用于受害者任务释放的最大延迟。该分析考虑了来自高优先级任务的“携带入（carry-in）”干扰以及由延迟释放引入的抖动。
控制性能分析： 考虑到延迟会影响物理对象的动力学特性，作者将控制任务建模为延迟感知型线性二次型调节器（LQR）系统。他们合成了一个延迟感知控制器，并计算了最大容许延迟 ( $\Delta^{max}_i$ )。这是使控制代价 ( $J$ ) 保持在设计者设定的预定义阈值 ( $J_{Th}$ ) 之下的最大延迟。
优化问题构建： 构建一个优化问题，为每个控制任务生成最优作业级延迟序列 ( $\Delta_i$ $Δ_{i}$ )。目标是最小化在一个超周期内，受害者任务的 AEW 与所有不可信任务执行窗口之间的总时域重叠。
- 重叠函数是非线性和分段的。为了解决该问题，作者使用混合整数线性规划 (MILP) 对其进行线性化。他们引入了辅助连续变量和二进制决策变量（使用 Big-M 法），将重叠计算转化为适用于标准求解器（如 Gurobi）的线性约束。

2. 运行时执行 (PFP-d 调度器)

该框架集成了一个自定义调度器 PFP-d（带延迟的抢占式固定优先级调度）以及一个在线异常检测器。

异常检测： 每个控制回路都配备了一个基于 $\chi^2$ 的残差检测器，用于监测传感器输出与估计输出之间的差异。如果统计量超过阈值 ($Th$)，则标记为发生攻击。
缓解措施： 在检测到针对特定受害者任务的攻击时，调度器从标准的 PFP 切换到 PFP-d。它检索预先计算的最优延迟序列，并将相应的延迟应用于当前及后续作业实例的释放时间。
重置： 缓解措施将持续运行一段预定义的时间 ( $T_{RES}$ )，之后系统恢复到常规运行状态。

3. 复杂度与开销

运行时算法（算法 1）在每个时间步的操作复杂度为 $O(1)$ 。由于最优延迟序列是在离线计算并存储的，因此运行时开销微乎其微，使其适用于资源受限的嵌入式平台。

核心贡献

安全性与控制的联合优化： 不同于以往仅关注调度混淆的工作，SecureRT 明确考虑了调度修改对闭环控制性能和可调度性的影响。
有界延迟推导： 本文推导了严格的作业级延迟上界 ( $\Delta^{peak}$ 和 $\Delta^{max}$ )，以同时保证系统的可调度性和控制稳定性。
最优延迟合成： 提出了一种新颖的 MILP 公式，用于生成最优的、循环的作业级延迟序列，在遵守推导出的边界的同时，最小化攻击面（AEW 重叠）。
SecureRT 框架： 通过将在线 $\chi^2$ 检测器与定制的 PFP-d 调度器相结合，提供了一种实用的、轻量级的针对事后 SBA 的防御机制。

实验结果

作者使用在搭载了补丁 Linux 内核 (PREEMPT_RT) 的树莓派 4 上实现的真实汽车案例研究（巡航控制、ESP 和轨迹跟踪控制器）对 SecureRT 进行了评估，以确保硬实时行为。

案例研究： 对四种场景进行了比较：
1. 基准 (PFP, 无攻击)： 系统正常运行。
2. 攻击 (PFP, 无延迟)： 攻击者成功执行 FDI，导致物理对象状态发生显著偏差，并引起控制代价的持续增加。
3. 随机延迟 (现有技术)： 应用随机延迟（拉普拉斯分布）虽然降低了可预测性，但未能一致地防止 FDI，导致性能下降和成本增加。
4. SecureRT (PFP-d)： 最优延迟序列成功地最小化了受害者 AEW 与攻击者执行之间的重叠。尽管存在持续攻击，系统仍保持了稳定的物理对象跟踪，且控制代价保持在接近标称值的水平。
定量改进： 在汽车案例研究中，最优延迟序列将用于 FDI 攻击的重叠持续时间减少了 60%（从 45ms 降至 18ms）。
通用可调度性： 在各种利用率范围和任务数量（5、10 和 20 个任务）下的广泛合成实验表明，SecureRT 保持了较高的可调度性，特别是当受害者任务具有高优先级且系统利用率处于低到中等水平时。

意义与主张

本文声称 SecureRT 通过弥合网络安全与控制理论之间的鸿沟，提供了比现有缓解策略更显著的进步。其主要意义在于，能够在不损害确定性保证或物理性能的前提下，保护实时控制工作负载免受时间推断攻击。

作者强调，其方法不仅仅是一个理论练习，而是一个可部署的解决方案，适用于资源受限的环境。通过使用有界的、结构化的延迟而非无界的随机化，SecureRT 确保了安全关键系统可以在预定义的性能限制内运行，同时显著降低攻击面。该研究最后指出，未来的扩展将致力于将该框架应用于多核系统和动态优先级调度器（如 EDF）。