Kernkonzepte
사이버-물리 시스템의 보안 취약점을 해결하기 위해 인센티브 피드백 스택엘버그 게임 및 Q-learning 기반 모델 없는 접근법을 제안하여 제어기의 회복력을 향상시킨다.
Zusammenfassung
이 논문은 사이버-물리 시스템(CPS) 내에서 발생하는 보안 문제, 특히 제어기를 직접 손상시킬 수 있는 지능형 공격자에 의한 위협에 초점을 맞추고 있다.
제안된 접근법은 다음과 같다:
- 계층적 제어 및 인센티브 피드백 스택엘버그 게임 프레임워크에서 회복력 있는 선도 제어기(리더)를 설계한다. 이를 통해 손상된 추종 제어기(팔로워)가 리더의 목표와 부합되는 전략을 수립하도록 유도한다.
- 시스템 동역학을 알지 못하는 경우에도 온라인으로 팀 최적 솔루션과 인센티브 행렬을 도출할 수 있는 Q-learning 기반 근사동적계획(ADP) 접근법을 제안한다.
- 제안된 접근법의 최적해 수렴성을 증명한다.
이를 통해 지능형 공격자에 의한 제어기 손상에도 불구하고 시스템의 물리적 보안을 유지할 수 있다.
Statistiken
사이버-물리 시스템의 보안 문제는 통신 채널 지연, 센서/액추에이터 공격 등 다양한 위협에 노출되어 있다.
지능형 공격자는 제어기의 제어 정책/전략을 역공학하여 악의적인 제어 코드를 주입할 수 있다.
이러한 공격은 탐지와 완화가 어려워 시스템의 장기적인 성능 저하를 초래할 수 있다.
Zitate
"지능형 공격자는 제어기의 제어 정책/전략을 역공학하여 악의적인 제어 코드를 주입할 수 있다."
"이러한 공격은 탐지와 완화가 어려워 시스템의 장기적인 성능 저하를 초래할 수 있다."