Building Foundation for CPS Security Risk Evaluation based on Continuous State-Space Model

本研究ではCPS (Cyber-Physical-System)のセキュリティリスク評価基盤の構築を実施している。CPSの特徴としてシステムの挙動が物理法則に従うという点に焦点を当て、状態空間モデルに基づく効率的なリスク評価アルゴリズムを開発することを目的としている。具体的には、機会制約付き最適制御問題の解としてCPSセキュリティリスクを定量化し、その解法アルゴリズムを構築している。素朴な解法では計算量が区間長に応じて指数的に増大する点が技術的ボトルネックとなる。この問題に対して、警報履歴導入による状態空間拡大のアイデアに基づき時間スケールに対する探索空間の増大を抑制可能であると予想したが、この予想が正しいことを理論的に確かめることに成功した。さらに、リスク評価に加えて、リザバーコンピューティングを用いた攻撃検知の研究も同時に行った。リザバーコンピューティングは再帰的ニューラルネットワークの一種であるが、中間層をランダムに生成した上で出力層だけをデータから学習する特徴を持ち、多くのタスクにおいて高速かつ高精度な学習を達成することができることが知られている。本研究では特に電力システムに注目し、電力システムセキュリティにおける標準的なデータセットを利用し、提案法の性能を評価した。特に、リザバーコンピューティングを実現する機構として様々なものが知られているが、古典的なモデルであるエコーステートネットワークを用いた。その結果、従来手法であるLSTM (Long Short-Term Memory)やGRU (Gated Recurrent Unit)と比較してほぼ同等の性能を達成しつつ、学習速度を100倍程度高速化できることが確かめられた。

本研究ではCPS (Cyber-Physical-System)のセキュリティリスク評価基盤の構築を実施している。CPSの特徴としてシステムの挙動が物理法則に従うという点に焦点を当て、状態空間モデルに基づく効率的なリスク評価アルゴリズムを開発することを目的としている。具体的には、機会制約付き最適制御問題の解としてCPSセキュリティリスクを定量化し、その解法アルゴリズムを構築している。素朴な解法では計算量が区間長に応じて指数的に増大する点が技術的ボトルネックとなる。この問題に対して、警報履歴導入による状態空間拡大のアイデアに基づき時間スケールに対する探索空間の増大を抑制可能であると予想したが、この予想が正しいことを理論的に確かめることに成功した。さらに、リスク評価に加えて、リザバーコンピューティングを用いた攻撃検知の研究も同時に行った。リザバーコンピューティングは再帰的ニューラルネットワークの一種であるが、中間層をランダムに生成した上で出力層だけをデータから学習する特徴を持ち、多くのタスクにおいて高速かつ高精度な学習を達成することができることが知られている。本研究では特に電力システムに注目し、電力システムセキュリティにおける標準的なデータセットを利用し、提案法の性能を評価した。特に、リザバーコンピューティングを実現する機構として様々なものが知られているが、古典的なモデルであるエコーステートネットワークを用いた。その結果、従来手法であるLSTM (Long Short-Term Memory)やGRU (Gated Recurrent Unit)と比較してほぼ同等の性能を達成しつつ、学習速度を100倍程度高速化できることが確かめられた。