Sistemas ciberfísicos seguros: Identificación y estrategias de mitigación para ataques de cadena de Markov basados en...

Área de la Ciencia:

• Seguridad de sistemas ciberfísicos
• Teoría de control
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• Los sistemas ciberfísicos (CPS) son cada vez más vulnerables a las amenazas cibernéticas como los ataques de inyección de datos falsos (FDIAs).
• Los FDIAs pueden alterar la estabilidad del sistema, afectando componentes críticos y mecanismos de seguridad.
• Los mecanismos de defensa existentes pueden no abordar adecuadamente la naturaleza impredecible de los FDIAs.

Objetivo del estudio:

• Desarrollar una técnica de defensa novedosa para identificar y mitigar FDIAs en CPS.
• Mejorar la seguridad y la estabilidad de los CPS contra amenazas cibernéticas sofisticadas.
• Proporcionar una solución robusta que supere a los métodos actuales.

Principales métodos:

• Modelado de FDIAs utilizando un proceso de salto de Markov (MJP).
• Empleo de un observador de estado extendido (ESO) para la detección de FDIA.
• Utilización de control de modelo ultralocal con un algoritmo de optimización de políticas proximales (PPO) para la mitigación adaptativa.

Principales resultados:

• El esquema de defensa propuesto identifica y mitiga eficazmente los FDIAs.
• El controlador ajustado con PPO demostró un rendimiento superior en comparación con el filtro de Kalman basado en CPI y ANN.
• Se lograron mejoras significativas de rendimiento de aproximadamente el 70% y el 100% sobre los métodos existentes.

Conclusiones:

• La novedosa técnica de defensa ofrece una solución robusta para asegurar los CPS contra FDIAs.
• La integración de ESO, control ultralocal y PPO proporciona una mitigación de amenazas adaptativa y eficaz.
• Este enfoque mejora significativamente la seguridad y la estabilidad operativa de los CPS.