データ駆動型DGM定量化による産業サイバーフィジカルシステムにおけるステルス型IA攻撃の検出
Data-Driven Detection of Stealthy IA Attacks in Industrial Cyber-Physical Systems via DGM Quantification
産業サイバーフィジカルシステムにおける高度なサイバー攻撃に対処するため、本論文では一般化モデル(DGM)の差の定量化に基づくデータ駆動型セキュリティ検出フレームワークを提案する。制御層からアクセス可能な運用データのみを使用し、閉ループサブスペース直交投影を用いて、静的イノベーションシーケンス推定器と拡張動的マルコフ行列推定器の2つの検出変数を構築する。静的推定器は、標準的なサービス拒否攻撃や基本的な偽データ注入攻撃による根本的なモデルの不一致を特定する。動的推定器は、カルバック・ライブラーダイバージェンス検出器を欺く高度なステルス攻撃によって引き起こされる構造的歪みを捉える。この手法は、2自由度ロボットとDCサーボモーターを備えたハードウェアインザループプラットフォームで検証され、DGMフレームワークがシステムパラメータに依存せず、最適な制御性能を低下させることなく、複数のステルス型整合性・可用性(IA)攻撃を効果的に検出できることが実験結果で確認された。
- 産業サイバーフィジカルシステム向けに、一般化モデル(DGM)の差の定量化に基づくデータ駆動型セキュリティ検出フレームワークを提案
- 制御層からアクセス可能な運用データのみを使用し、閉ループサブスペース直交投影により静的イノベーションシーケンス推定器と拡張動的マルコフ行列推定器の2つの検出変数を構築
- 動的推定器は、カルバック・ライブラーダイバージェンス検出器を欺く高度なステルス攻撃が引き起こす構造的歪みを捕捉する
- 2自由度ロボットとDCサーボモーターを備えたハードウェアインザループプラットフォームで検証し、システムパラメータに依存せず最適な制御性能を低下させることなく複数のステルス型整合性・可用性(IA)攻撃を検出できることを確認
産業サイバーフィジカルシステム(ICS/CPS)向けの異常検知は、OTセキュリティ市場の中核領域。本論文の特徴は、制御層の運用データのみで完結し、システムパラメータに依存しない点で、既存プラントへの後付け導入ハードルが低いこと。KLD検出器を欺くステルス型の整合性・可用性攻撃まで捉えられるなら、防御側の検知優位は明確で、産業用セキュリティ監視ベンダーやロボティクス/工作機械の制御系セキュリティ製品に組み込まれる余地が大きい。ただし現段階は2自由度ロボットとDCサーボモーターのHIL検証に留まり、商用製品ではなく研究段階である点は割り引いて見るべき。投資判断では、こうした検出手法の実装を取り込むOTセキュリティ企業の製品ロードマップと、製造業の規制・保険要件の動向を追いたい。