针对信息物理系统上系统辨识攻击的基于梯度的防御性投毒
Gradient-Based Defensive Poisoning Against System Identification Attacks on Cyber-Physical Systems
AI 导读
研究者提出基于梯度的防御性投毒,向攻击者观测的测量信号注入小扰动,降低基于ANN的系统辨识攻击对信息物理系统的建模精度。扰动聚合多个独立训练辨识模型的输入梯度,在仿真直流电机网络化控制系统上,相同均方根幅值下比随机投毒引发更大预测误差。该防御面向CPS蜜网等诱饵环境,还能降低基于N4SID的系统辨识,显示可迁移性。