上海交通大学于洋获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉上海交通大学申请的专利一种模拟面向非线性网络化控制系统的隐蔽型攻击的方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117914610B 。
龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410107514.0,技术领域涉及:H04L9/40;该发明授权一种模拟面向非线性网络化控制系统的隐蔽型攻击的方法是由于洋;敬忠良;孙印帅设计研发完成,并于2024-01-25向国家知识产权局提交的专利申请。
本一种模拟面向非线性网络化控制系统的隐蔽型攻击的方法在说明书摘要公布了:本发明属于网络化控制系统的网络攻防领域,涉及一种模拟面向非线性网络化控制系统的隐蔽型攻击的方法及其应用。本发明从网络攻防中的攻击者角度出发,利用系统网络中传输的输入输出信息设计干扰观测器一,对未受攻击情况下系统中的未知非线性项实施估计;在控制器到执行器端网络中注入攻击信号,与此同时设计干扰观测器二,对遭受攻击后系统中的非线性项实施估计;借助两个干扰观测器的估计输出信息设计隐蔽型攻击模型,并对其隐蔽性进行分析,使得非线性网络化控制系统遭受攻击前后的输出状态基本保持不变,躲避防御者对控制器到执行器端网络的影响。本发明的方法可广泛应用于航天器、智能交通以及智能制造等非线性网络化控制系统中。
本发明授权一种模拟面向非线性网络化控制系统的隐蔽型攻击的方法在权利要求书中公布了:1.一种模拟面向非线性网络化控制系统的隐蔽型攻击的方法,其特征在于:针对非线性网络化控制系统,建立用于估计未受攻击情况下系统中未知非线性项的干扰观测器一和用于估计受攻击情况下系统中未知非线性项的干扰观测器二,并根据干扰观测器一和干扰观测器二的估计输出信息建立攻击者模型; 包括以下步骤: 步骤S1:建立隐蔽型攻击下的非线性网络化控制系统模型; 步骤S2:攻击者发起攻击前对系统建立干扰观测器一; 步骤S3:攻击者发起攻击后对系统建立干扰观测器二; 步骤S4:基于干扰观测器建立攻击者模型; 步骤S2建立的干扰观测器一用于对未受攻击情况下系统中的未知非线性项实施估计; 步骤S3建立的干扰观测器二用于对遭受攻击后系统中的非线性项实施估计; 步骤S4建立的攻击者模型根据干扰观测器一和干扰观测器二的估计输出信息建立得到; 步骤S1中,建立如下的隐蔽型攻击下的非线性网络化控制系统模型: 未受到攻击情况下的非线性网络化控制系统被构建为如下形式的状态空间表达式 式中,xk=[x1,kx2,k…xn,k]T为系统状态,uk和yk分别为系统控制输入与输出,fxk,dk为系统未知非线性项,A0,B0,C0表示系统已知的系数矩阵; 当上述非线性网络化控制系统中传感器到控制器端及控制器到执行器端的网络同时遭受欺骗攻击后系统模型变为: 式中,为系统控制器到执行器端遭受攻击后的系统状态,为遭受攻击后系统中的未知非线性项,为系统中传感器到控制器端及控制器到执行器端的网络同时遭受欺骗攻击后系统的输出状态,分别为攻击者在系统控制器到执行器端与传感器到控制器端通信网络中注入的攻击信号; 步骤S2中,对非线性网络化控制系统1,将未知非线性项fxk,dk设为新的状态xn+1,k,即fxk,dk=xn+1,k,原非线性网络化控制系统1被扩张为: 式中,为扩张后系统的状态,为未知非线性项fxk,dk的变化率,Tt为采样周期,A1,B1,C1,D1表示已知的系数矩阵; 针对扩张后的非线性网络化控制系统3,攻击者设计如下形式的干扰观测器一: 式中,为系统状态的估计值,为估计误差,Λ为干扰观测器4的可调增益参数; 步骤S3中,当非线性网络化系统控制器到执行器端遭受网络攻击后,原非线性网络化控制系统1改写为: 式中,为系统控制器到执行器端网络遭受欺骗攻击后系统真实的输出状态; 针对系统5,攻击者将未知非线性项设为新的状态即式5被扩张为如下形式: 式中,为扩张后系统的状态,为未知非线性项的变化率,A1,B1,C1,D1表示已知的系数矩阵; 攻击者针对扩张后的系统6,设计如下形式的干扰观测器二: 式中,zk=[z1,kz2,k…zn+1,k]T为系统状态的估计值,为估计误差,Γ为干扰观测器7的可调增益参数; 步骤S4中,根据式4所示的干扰观测器一和式7所示的干扰观测器二,攻击者模型设为如下形式: 式中,为攻击者模型中的状态,为攻击者系统输出状态。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海交通大学,其通讯地址为:200000 上海市徐汇区华山路1954号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励