网络控制系统中虚假数据注入攻击的检测与抵御

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:worldwjf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
网络控制系统是通过通信网络构成闭环的反馈控制系统。由于网络控制系统具有共享信息资源、节约系统布线成本、提高系统灵活性、易于系统扩展和维护等优点,网络控制系统得到快速发展和广泛应用,但同时网络控制系统的安全问题也显得越发突出。虚假数据注入攻击是欺骗攻击中的一种攻击类型,本文针对虚假数据注入攻击的检测及抵御问题进行了研究,主要工作内容如下:首先,针对反馈通道虚假数据注入攻击,分析了残差检验的局限性,介绍一种反馈通道隐形虚假数据注入攻击,并且该攻击能成功躲避残差检验。为了能够检测到该攻击,提出了K-S检验与残差检验相结合的检测方法,该方法通过构建一个新的检测指标来判断系统中是否存在攻击。当系统检测到新的检测指标超过正常阈值时,判断此时系统中存在攻击,通过丢弃受到攻击影响的错误数据使得系统不受攻击的破坏。使用True Time工具箱构建网络控制系统,仿真验证了该方法能够成功地检测并抵御反馈通道隐形虚假数据注入攻击。其次,对比分析了两种双通道隐形虚假数据注入攻击之间的区别与联系。两者的相同点是当系统只有反馈通道中存在攻击检测器时,系统无法检测出这两种攻击。两者的区别是两种攻击的实施条件有所不同。因此,为了能检测这类攻击,需要系统前向通道和反馈通道同时存在攻击检测器。为了能够抵御这类攻击,设计了基于自回归移动平均模型的预测补偿控制器。与直接使用系统状态方程来预测系统状态的预测补偿控制器相比,该控制器降低了控制输入的预测误差,从而提高了系统抵御攻击的能力。使用True Time工具箱构建网络控制系统,仿真验证了该控制器能够保证系统在受到攻击时正常运行。再次,针对长时间双通道隐形虚假数据注入攻击,设计了带有攻击补偿的改进型预测补偿控制器,当检测到系统中存在攻击时,该控制器通过对攻击进行补偿的方式消除攻击带来的影响,使得系统受到攻击时依旧保持正常工作。使用True Time工具箱构建网络控制系统,仿真验证了该控制器能够抵御长时间双通道隐形虚假数据注入攻击,使得系统不受攻击的影响保持正常工作。最后,对全文工作进行总结并对今后的研究方向进行了展望。
其他文献
21世纪开始,工业生产中工业机器人占比不断增加,对其性能的要求也不断提高。工业机器人的普通末端执行器由于其专门性,只能完成单一简单的抓取动作,已经很难满足日益复杂的操作要求。多指灵巧手作为新型的末端执行器,因其在抓取上具有良好的通用性和适应性,可以完成复杂和多样的操作任务,有重要的研究意义和应用前景。目前绝大多数的多指灵巧手为串联结构,采用的驱动方式为欠驱动,使灵巧手存在稳定性差和精度低等缺点,同
离线手写签名认证是利用个人手写的签名图像对其进行身份认证的技术,具有成本低、易于接受等优点,在安全、金融、司法、刑侦等领域中都有十分重要的应用。近年来,随着深度学习等方法的兴起,离线手写签名认证系统的性能不断提高。然而,在实际应用中,由于精心伪造的签名与真实签名区分度较小,并且同一个人在不同时刻的签名差异较大等难点,高精度离线手写签名认证仍然是一个具有挑战性的研究课题。针对离线手写签名认证技术,本
随着互联网与计算机技术的快速发展及广泛使用,网络上数据日渐庞大,维护网络空间安全已成为网络与计算机安全发展极为重要的一部分。近年来网络安全事件频频发生,恶意代码对计算机造成的安全威胁不可小觑,严重危害国家、社会和个人的隐私安全和经济利益,同时,对恶意代码的特征提取、检测、分类以及对未知新型恶意代码的检测的能力在网络空间安全领域起到了至关重要的作用。恶意软件制作者为了躲避检测查杀,往往对恶意软件通过
自主导航技术是地面无人车的核心技术,是人工智能领域研究的热点问题。地面无人车的自主导航一般分为感知、定位、路径规划与控制这四个部分。路径规划问题作为地面无人车研究中不可或缺的一部分,具有非常重要的研究和应用价值,虽然目前有许多学者提出各种各样的算法来分析、解决这个问题,但是行之有效的方法并不多,这就是本文继续研究路径规划问题的必要性。本文内容和研究成果如下:(1)实现了基于改进A*算法的全局路径规
在这个信息技术飞速发展的时代,网络逐渐成为人们生产生活不可或缺的一部分,与此同时许多网络空间安全问题也日益凸显。网络流量异常检测是网络安全领域研究的重要方向,本文以胶囊网络(Capsule Network,CapsNet)为基础,研究网络流量异常检测算法,提出基于SMOTE-Tomek混合采样和胶囊网络的网络流量异常检测模型。本文的主要研究工作如下:首先,研究分析CapsNet的工作原理,算法架构
随着铁路技术的迅速发展和高铁运行里程的不断增加,我国在途列车数量也逐渐增多,针对列车安全状态监管及故障诊断的研究显得越来越重要。牵引变流器系统是列车承担动能转换的重要装置,系统结构复杂且故障高发。变流器故障的发生会导致列车牵引传动系统异常从而影响整车正常运行,目前针对牵引变流器故障诊断的研究不多,所以对列车牵引变流器进行故障诊断是一个重点研究方向。然而列车牵引变流器故障场景复杂,传统诊断方法多依赖
计算机联锁是具有代表性的铁路信号安全苛求系统,负责列车的进路控制和车站作业安全防护。当前计算机联锁系统运行维护的智能化水平较低,主要还是依靠人工经验,无法应对大规模的故障诊断需求,且容易出现由于经验不足造成的诊断不完备、诊断出错等问题。人工智能技术的发展,以及系统运行过程中产生的海量数据给联锁系统的智能运维带来了机遇。本文从联锁系统自身特点出发,面向智能运维,研究基于深度学习的故障诊断方法,并设计
减振器作为列车的关键部件其性能直接影响到列车的安全运行。当前我国高速列车油压减振器采用的维修方式是定期维修,这种维修方式不仅会提高维修成本而且可能由于过度维修造成浪费,甚至可能由于维修不及时造成安全隐患。鉴于此,本文从高速列车在运行过程中产生的振动数据出发,通过数据处理和统计分析,运用人工神经网络建立减振器的故障诊断模型,并根据减振器在性能退化过程中特征参数的变化趋势对其作出预警。由于研究需要大量
近年来,随着互联网技术的飞速进步,极大地推进了当今社会的经济、文化和教育等领域的发展进程,但随着各类社会活动对计算机网络的依赖日益加剧,计算机网络成为黑客攻击的主要目标,网络犯罪有增无已。在这种情况下,各类网络安全技术相继出现,共同维护着现代网络的安全运行,入侵检测技术由于能够实现主动的网络安全防护措施,且具有实时地监控网络状态的特性,成为了网络安全领域的中热门的研究方向。Snort是一种基于误用
近年来,高校教学不再局限于讲课,转向多元化的课程形式发展。而为了让城轨系统教学实验更贴近生产真实情况,学校新建了一套对城轨线路进行模拟还原的动态模型平台。该平台包括2个主变电所、8个牵引混合所和上下行各8辆列车模型,共44块控制板,每块控制板上有近70个待观测的数据节点。由于控制板均封闭在设备柜和移动的列车中,无法使用实体仪器观测,因此需要开发一套可以提供多种测量功能的监测系统,为学生教学实验提供