توصيفگر ها :
سيستم سايبري-فيزيكي , حملات تزريقي و فريب‌دهنده , كنترل سطح ديناميكي تطبيقي , سيستم‌هاي تاخيردار زماني
چكيده فارسي :
طراحي كنترل‌كننده براي سيستم‌هاي سايبري-فيزيكي به‌دليل كاربرد‌هاي مهمي كه دارند، از جمله موضوعات مورد توجه براي محققان در دهه‌هاي اخير به حساب مي‌آيد. مسئله‌ي كنترل اين سيستم‌ها به‌دليل وجود ماهيت سايبري و امكان بروز حملات مخرب، پيچيدگي‌هاي خود را دارد و همين امر موجب شده است كه علاقه تحقيقاتي درباره امنيت اين سيستم‌ها از سوي جامعه‌ي محققين افزايش يابد. تحقيقات بر روي امنيت، اقدامات دفاعي در برابر حملات و كنترل ايمن اين سيستم‌ها موضوعاتي است كه جامعه‌ي محققين به آن‌ها پرداخته‌اند، اما هنوز مسائل باز و حل نشده زيادي در اين زمينه مطرح است. در اين گزارش به بررسي كنترل اين سيستم‌ها در حضور حملات مخرب مي‌پردازيم. براي آنكه بتوان اين‌گونه سيستم‌ها را كنترل كرد، نياز است كه اين حملات به طور كامل شناسايي شوند و نوع و مدل حملات مشخص باشند؛ اما گاهي مهاجمين به‌گونه‌اي حملات را طراحي مي‌كنند كه شناسايي و تشخيص آن بسيار سخت و حتي نا‌ممكن مي‌شود. از اين‌رو استفاده از رويكرد كنترل تطبيقي براي كنترل اين سيستم‌ها كارآمد و مؤثر است و امروزه استفاده از اين رويكرد و روش‌هاي مبتني بر آن مانند روش گام به‌عقب تطبيقي براي اين‌گونه سيستم‌ها امري شناخته شده است. روش تطبيقي قادر به جبران نامعيني‌هاي ناشي از حملات در سيستم است و مي‌تواند عملكرد مطلوب سيستم را باوجود نامعيني‌هاي ناشي از حملات تضمين كند. در اين پژوهش، هدف طراحي كنترل‌كننده با استفاده از روش سطح ديناميكي تطبيقي براي سيستم‌هاي سايبري-فيزيكي غيرخطي با توابع نامشخص است، به‌گونه‌اي كه بتواند نامعيني‌هاي ناشي از حملات تزريقي به حالت‌هاي سيستم و فريب‌دهنده به سيگنال كنترلي ورودي را جبران كند. از آنجا كه توابع غيرخطي در ديناميك سيستم نامشخص هستند، با استفاده از شبكه‌هاي عصبي مصنوعي آن‌ها را تخمين مي‌زنيم و هم‌چنين با توجه به آنكه جهت اين حملات نامشخص فرض شده است، با بهره‌گيري از توابع نوسبام خاص و جديد، اين مشكل را برطرف مي‌كنيم. هم‌چنين در اين پژوهش، براي مدل كردن حملات فريب‌دهنده در سيگنال كنترل علاوه بر باياس جمع‌شونده، سيگنال ضرب‌شونده نيز در نظر گرفته شده‌است كه طراحي كنترل‌كننده را پيچيده‌تر مي‌كند. روند كار به اين‌صورت است كه ابتدا كنترل‌كننده را براي سيستم غيرخطي نامعين و در حضور حملات طراحي مي‌كنيم، سپس روش را براي سيستم غيرخطي با تاخير متغير با‌زمان در حالت‌ها تعميم مي‌دهيم و با بكارگيري يك سري توابع خاص زوج كه مشكل صفر شدن سيگنال‌هاي موجود در مخرج كنترل‌كننده برطرف مي‌كند، بدون اضافه كردن فرض و محدوديت جديدي در روند طراحي كنترل‌كننده، نشان مي‌دهيم كه روش بيان شده به‌خوبي مي‌تواند حالت‌هاي سيستم را به يك همسايگي در مبدا همگرا كند.
چكيده انگليسي :
Designing controllers for cyber-physical systems has become one of the crucial points for researchers in recent decades due to their significant applications. The control problem of these systems, because of their cyber nature and susceptibility to malicious attacks, has its own challenges, in this regard, the research interest in the security of these systems has increased within the research community. Consequently, Security investigations, defensive measures against attacks, and ensuring the safety of these systems are subjects that researchers have delved into, yet numerous unresolved issues exist in this field. In this report, our aim is to examine the control of these systems in the presence of malicious attacks. In order to control such systems, it is essential to fully identify these attacks and specify the type and model of the attacks; however, attackers sometimes design attacks in a way that makes their identification and detection very difficult and even impossible. Therefore, the use of approaches based on adaptive control for controlling these systems is efficient, and nowadays, the use of such methods, such as the adaptive backstepping method and the adaptive dynamic surface control method, for such systems is well-known. The adaptive approach is capable of compensating for uncertainties caused by attacks in the system and can guarantee the desired performance of the system despite uncertainties caused by attacks. In this research, we are going to design a controller using the adaptive dynamic surface control method for nonlinear cyber-physical systems with uncertain functions, in a way that can compensate for uncertainties caused by injection attacks to the system states and deception attacks to the input control signal. Since the nonlinear functions in the system dynamics are unknown, we estimate them using artificial neural networks, and also, given the consideration that the directions of these attacks are assumed to be unknown, we address this issue by utilizing specific and novel Nussbaum functions. Furthermore, to model deception attacks in the control signal, in addition to the additive bias, the multiplicative bias is also taken into account, which enhances the complexity of the controller design. The research process is as follows: first, we design the controller for the uncertain nonlinear systems in the presence of attacks, then we develop the method for nonlinear systems with time-varying delays, by applying a series of specific even functions that resolve the problem of zeroing signals in the controller's denominator without assuming any restrictive assumptions or constraints in the controller design process. We demonstrate that the proposed method can effectively converge the system states to a neighborhood of the origin.
