⚡ electrical engineering

RobResilience: Implementing and Evaluating a Resilience Framework for Cyber-Physical Embodied Systems

本文提出了 RobResilience，这是一个在配备 PR2 机器人和 ROS2 的 Webots 仿真环境中实现的运行时框架，用于评估在主动网络攻击下，具身网络物理系统为防止优雅失效瘫痪而进行的容忍度破坏、降级及缓解可行性，实验结果证实了其与理论定义的一致性。

原作者： Gysella Imrell, Emanuele Miotto, Mahya Mohammadi Kashani, Mauro Conti, Alberto Giaretta

发布于 2026-09-16

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Gysella Imrell, Emanuele Miotto, Mahya Mohammadi Kashani, Mauro Conti, Alberto Giaretta

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

想象一个机器人不再仅仅是工厂里的工具，而是成为我们日常生活中活跃参与者的世界，它们穿梭在我们的家中、医院和街道上。这些被称为“信息物理系统”的机器，将数字大脑与物理躯体融为一体。它们感知周围环境，做出决策，并据此行动。但这种紧密的连接也创造了一种危险的脆弱性。当黑客攻击一台标准计算机时，最坏的情况通常只是数据丢失或屏幕冻结。但当黑客攻击一个正拿着重物或在人附近行驶的机器人时，后果可能是身体受伤甚至死亡。科学家面临的挑战不仅在于如何在攻击发生时发现它，更在于如何帮助机器人度过难关。机器人需要知道如何区分一个可以忽略的微小故障和一个需要立即停止以确保安全的灾难性故障。

多年来，安全专家一直专注于检测入侵，其作用就像是在窗户被打破时鸣响的防盗报警器。然而，仅仅一个报警器并不能告诉机器人它是否仍能完成任务，或者它是否正处于即刻的危险之中。这种差距使得自主系统容易陷入一种瘫痪状态，即它们无法区分一种安全的、性能下降的状态与一种灾难性的危害。为了解决这个问题，瑞典厄勒布鲁大学（Örebro University）的研究人员构建并测试了一个名为 RobResilience 的新框架。他们在复杂的模拟环境中，为一台名为 PR2 的大型服务机器创建了一个数字孪生体。这个虚拟机器人被要求在一个房间内导航并拿起一个水瓶，这项简单的任务需要轮子、手臂和传感器之间的精确协调。随后，研究人员让这个虚拟机器人经历了一系列模拟网络攻击，从减慢轮子的速度到冻结机械臂的抓取功能，以观察他们的框架能否引导机器人度过这场混乱。

他们工作的核心是机器人每当感觉到异常时，在实时状态下向自己提出的三个逻辑问题。第一个问题关于“破坏”：损坏的部分对于当前任务是否至关重要？如果机器人试图移动而它的轮子被黑客攻击了，答案是肯定的，任务被破坏了。如果机器人试图捡起一个瓶子，而仅仅是非核心的摄像头被黑，答案是否定的，任务可以继续。第二个问题关于“退化”：即使机器人仍能移动，它的表现是否已经差到不再安全或不再有用？也许机器人的移动速度太慢，以至于会错过截止时间；或者它的手臂抖动得太厉害，可能会掉落瓶子。第三个问题关于“缓解”：如果机器人遇到了麻烦，是否有办法修复它？它能否切换到备用轮，或者重新配置软件以绕过损坏的部分？

研究人员在八种不同的攻击场景中测试了这些问题，系统地改变了被攻击的部件、受损程度以及是否存在修复方案。在一种场景中，他们攻击了机器人的手臂，而手臂对于移动到目的地的简单任务而言并非关键。机器人的系统正确识别出该破坏是可容忍的，并允许任务继续进行，尽管机器人的移动速度略有下降。在另一种场景中，他们攻击了作为关键部件的轮子。在没有修复方案的情况下，系统正确判定机器人无法安全继续，并命令其立即停止。最复杂的测试涉及机器人同时遭遇“破坏”和“退化”，但存在修复方案的情况。在这些案例中，框架成功识别了可用的解决方案，中和了对特定组件的攻击，并允许机器人恢复任务，尽管会有轻微的延迟。

模拟结果与研究人员设计的理论规则保持一致。该系统证明了自己在每种测试情况下的情况下都能做出正确的判断。当机器人安全时，它继续前进；当机器人处于危险时，它停止；当它可以被挽救时，它被挽救了。研究还揭示了一个微妙但重要的细节：机器人的韧性不仅取决于单个损坏部件，还取决于损坏部件的组合。机器人可能在失去一个非核心部件后存活下来，但如果这一损失与现有的问题叠加，其综合效应可能会使机器人跨越安全界限。这意味着机器人的生存能力并非其硬件的一个固定特征，而是一个随着接收到每一条新信息而变化的动态状态。

需要注意的是，这些发现来自于一个受控的数字环境。研究人员使用模拟来建模攻击和机器人的反应，而不是在现实世界的物理机器人上进行测试。这使得他们能够快速且安全地运行数百种变化，但也意味着结果尚未在可能面临现实世界噪声、时间延迟或不可预测物理力量的实际硬件上得到证实。研究人员承认这一局限性，并将他们的工作视为至关重要的第一步。他们已经证明了韧性逻辑在模拟中按预期运行，为未来机器人如何思考自身在攻击期间的安全提供了蓝图。

这项研究的最终目标是超越简单的检测，迈向一个机器人能够根据威胁即时调整自身状态的未来。通过赋予机器类推其自身运行极限的能力，研究人员希望防止那种可能危及人类安全的全面系统失效。该框架并不能阻止攻击的发生，但它确保了当攻击发生时，机器人不会惊慌或瘫痪。相反，它会评估损伤，权衡选项，并做出计算后的决定：是继续、恢复还是停止。这种从被动防御向主动韧性的转变，代表了在使自主系统能够安全地与我们共享世界方面迈出的重要一步。

技术摘要：RobResilience

问题陈述

在具身网络物理系统（CPS）中（例如自主机器人），主动的网络攻击不仅会对数据完整性构成威胁，还会对物理安全和运行连续性构成直接威胁。虽然现有的安全研究在入侵检测方面表现出色，但往往缺乏一种运行时机制来确定检测到的干扰是否可以容忍，或者性能退化是否仍保持在安全的运行边界内。这一差距使得自主系统容易受到“优雅失败瘫痪”（graceful failure paralysis）的影响，即它们无法在持续的攻击过程中区分安全降级状态与灾难性危险。目前的入侵响应系统通常侧重于运行时响应，但未能对攻击下的干扰或退化进行形式化的推理。

方法论

本文介绍了 RobResilience，这是一个针对具身 CPS 的形式化韧性框架的实现与评估。本研究采用设计科学研究方法，通过将该框架置于仿真环境中，以模拟网络攻击场景如何影响系统行为。

理论框架

系统将机器人 $R$ 建模为执行任务 $T$ 并维护目标 $G$ 的设备集合 $D$ 。该框架依赖于在受损设备集 $S$ （源自入侵检测系统（IDS）的置信度评分）上评估的三个核心运行时谓词：

可容忍的干扰 ( $\delta$ )： 评估受损设备集是否包含对于当前活动任务或目标而言属于严格必需（关键性等级 2）的设备。
可容忍的退化 ( $\gamma$ )： 评估系统性能 $\psi(S)$ 是否保持在可接受的边界 ( $\theta$ ) 内。如果关键设备受损，该边界会变得更严格 ( $\theta_{crit}$ )，否则则相对宽松 ( $\theta_{base}$ )。
缓解可行性 ( $\mu$ )： 评估是否可以通过中和一部分受损设备，从而使 $\delta$ 和 $\gamma$ 恢复到可接受的状态。

当 $(\delta(S)=1 \land \gamma(S)=1) \lor \mu(S)=1$ 时，定义系统具有韧性。

实现架构

该框架在 Webots 仿真环境中使用 PR2 机器人 和 ROS2 进行了实现。其架构由四个模块组成：

仿真环境： 托管 PR2 机器人和物理动力学。
协调控制器： 编排任务执行，管理模块间通信，并集成缓解指令。
攻击注入模块： 通过向特定设备的 ROS2 主题发布符号化消息攻击（例如 STOP、UNDERSPEED、OVERSPEED）来模拟外部攻击者。
韧性评估模块： 包含 IDS（将攻击置信度映射到受损集 $S$ ）和 韧性管理器（评估 $\delta$ 、 $\gamma$ 和 $\mu$ 并触发缓解措施）。

退化函数 $\psi$ 被实例化为一个加权指数函数，相比于非关键设备，它会对关键设备的损失施加更严厉的惩罚。

核心贡献

可执行实现： 本文提供了先前理论工作 [7] 中定义的正式韧性框架的首个可执行实现。它在 ROS2/Webots 环境中将关键性映射、IDS 集成以及运行时谓词评估转化为可部署的软件模块。
谓词一致性验证： 该实现证明了在 $\delta$ 、 $\gamma$ 和 $\mu$ 谓词的所有可实现组合下，系统均符合预期行为。它证实了系统能够正确区分关键与非关键攻击目标，并处理干扰与退化之间的相互作用。
韧性动态的实证分析： 研究提供了关于退化严重程度、任务关键性映射以及自适应缓解如何共同决定运行连续性的实证分析。研究强调，韧性对受损集的累积组成非常敏感，而不仅仅取决于单个设备的关键性。

评估与结果

评估利用了八种攻击场景，旨在系统地覆盖所有可能的谓词状态空间组合。这些场景改变了攻击目标（关键 vs. 非关键）、退化速率以及缓解可用性。

非干扰场景 ( $\delta=1$ )： 当攻击局限于非关键设备时，系统保持 $\delta=1$ 。然而，高退化率仍可能导致 $\gamma$ 降至 0，除非有缓解措施可用，否则会导致任务停止（场景 1, 2a, 2b）。
干扰场景 ( $\delta=0$ )： 对关键设备的攻击会立即导致 $\delta=0$ $δ = 0$ 。
- 在退化保持在边界内 ( $\gamma=1$ ) 但无缓解措施可用的场景中，系统停止运行（场景 3a）。
- 在缓解措施可用的场景中，系统成功将 $\delta$ 恢复为 1，从而完成任务（场景 3b）。
- 在最严重的情况下 ( $\delta=0, \gamma=0$ )，系统在无缓解措施时停止运行（场景 4a），但在缓解措施中和了关键设备后，成功恢复到具有韧性的状态（场景 4b）。

结果证实，该实现的运行时行为与理论定义是一致的。具体而言，框架正确识别出系统可以在受到干扰 ( $\delta=0$ ) 的同时，仍保持在可容忍的性能边界内 ( $\gamma=1$ )，并且缓解措施可以即使在两个谓词最初都被违反的情况下也能恢复韧性。

意义与局限性

本文声称其意义在于弥合了检测与自适应运行时响应之间的鸿沟。通过将韧性形式化为一组运行时谓词，RobResilience 使自主系统能够在攻击期间做出明智的决策（是继续运行、优雅降级还是停止运行），而不是仅仅依赖于检测警报。

作者明确指出了以下局限性和范围：

仅限仿真： 评估仅限于 Webots 仿真环境，尚未扩展到物理硬件部署。
理想化检测： 为了隔离韧性逻辑，IDS 阈值 ( $\kappa$ ) 被设为 0，这实际上假设了 100% 的检测准确率，绕过了现实世界 IDS 的概率性质。
符号化攻击： 攻击是以符号化消息的形式注入的，而非真实的漏洞利用或网络层入侵。
确定性缓解： 缓解动作被建模为确定性且完全解决的，而现实世界的缓解可能是部分或随机的。

论文总结道，虽然该框架成功验证了理论谓词语义，但未来仍需整合更真实的概率 IDS 模型、真实的攻击向量以及物理部署，以应对具身系统中固有的时序和噪声约束。