A Systems Control Approach to Cyber-Physical Security

本研究は，CPSセキュリティに関して，悪意性の高い攻撃モデル，レジリエントな分散アルゴリズムや制御法および解析法について，システム全体の性能や安定性を保証するロバストな防御戦略の構築を目標とする．2022年度は主として以下の3課題に取り組んだ．1. マルチエージェント系のレジリエント合意：本研究の中心課題として外れ値を無視する合意手法を協調制御の種々の課題に適用し，発展させた．(a) ネットワークゲームを通じた最適戦略：上位層として，ネットワーク構造を決定する非協力ゲームを導入し，攻撃・防御プレイヤーの最適戦略を求めた．(b) 分散型最適化への展開： エージェント系が連携して分散最適化のタスクを実行する際のレジリエントな手法を以前より研究しているMSRアルゴリズムをベースに考案した．(c) エージェントのモデル・通信の多様化：マルチホップ通信に基づくレジリエントな合意手法を提案した．2. 応用分野への展開：(a) 振動子の数理モデルが不均一な場合に得られるクラスター型同期について，達成可能な同期レベルを定量的に解析した．(b) 感染症のSIRモデルをエージェント系に適用し，正常エージェントが相互作用を通じて確率的に異常化する状況を考えた．流行の程度に応じてエージェントは相互作用する近傍数を抑制する．(c) 大規模な送電系統において，センサ情報が改ざん攻撃された場合に対して系統分割に基づくロバストな推定法を適用し，攻撃検知に関する性能を検証した．上記成果の一部を European Control Conference (7月),IEEE Conference on Decision and Control(12月),自動制御連合講演会(11月）等で発表した．

本研究は，CPSセキュリティに関して，悪意性の高い攻撃モデル，レジリエントな分散アルゴリズムや制御法および解析法について，システム全体の性能や安定性を保証するロバストな防御戦略の構築を目標とする．2022年度は主として以下の3課題に取り組んだ．1. マルチエージェント系のレジリエント合意：本研究の中心課題として外れ値を無視する合意手法を協調制御の種々の課題に適用し，発展させた．(a) ネットワークゲームを通じた最適戦略：上位層として，ネットワーク構造を決定する非協力ゲームを導入し，攻撃・防御プレイヤーの最適戦略を求めた．(b) 分散型最適化への展開： エージェント系が連携して分散最適化のタスクを実行する際のレジリエントな手法を以前より研究しているMSRアルゴリズムをベースに考案した．(c) エージェントのモデル・通信の多様化：マルチホップ通信に基づくレジリエントな合意手法を提案した．2. 応用分野への展開：(a) 振動子の数理モデルが不均一な場合に得られるクラスター型同期について，達成可能な同期レベルを定量的に解析した．(b) 感染症のSIRモデルをエージェント系に適用し，正常エージェントが相互作用を通じて確率的に異常化する状況を考えた．流行の程度に応じてエージェントは相互作用する近傍数を抑制する．(c) 大規模な送電系統において，センサ情報が改ざん攻撃された場合に対して系統分割に基づくロバストな推定法を適用し，攻撃検知に関する性能を検証した．上記成果の一部を European Control Conference (7月),IEEE Conference on Decision and Control(12月),自動制御連合講演会(11月）等で発表した．