FDI攻击下移动机器人弹性预测镇定控制研究

提出一种具有自适应预测时域的输入重构弹性自触发模型预测控制(self-triggered model predictive control,ST-MPC)算法,平衡机器人系统网络安全和资源受限之间的矛盾.首先,基于自触发非周期采样特征和虚假数据注入(false data injection,FDI)攻击模型设计输入重构机制,确保机器人系统可快速重构,能削弱FDI攻击影响的可行控制序列.其次,结合输入重构机制设计关键数据选取条件和预测时域调节机制,从实现最大化触发间隔和降低优化问题复杂度两个方面降低资源消耗.然后,基于输入重构和预测时域调节机制设计弹性ST-MPC镇定控制算法,并推导FDI攻击下算法的可行性和闭环系统稳定性条件.最后,通过仿真实验验证所提出算法能够在抵御FDI攻击前提下保持较好的控制性能及资源利用率.

FDI攻击下自触发预测控制安全策略研究

针对信息物理融合系统自触发模型预测控制在虚假数据注入(FDI)攻击下的安全控制问题,提出一种基于控制信息重构的安全控制策略。首先,在控制器端对连续控制信号进行离散采样,并对少数关键数据进行重点加密;其次,在网络端传输离散化后的控制信号样本,并在被控系统处基于预设模式对控制信号进行重构;然后,推导了在系统遭受虚假数据注入攻击之时,重点加密数据的选取条件,并在理论上严格证明了基于重点加密数据重构获得的控制信号能够保证控制系统的可行性与稳定性;最后,基于机器人系统进行了仿真实验,验证了算法的有效性。