2023 Fiscal Year Annual Research Report
Building Foundation for CPS Security Risk Evaluation based on Continuous State-Space Model
| Project/Area Number |
22K21272
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
笹原 帆平 東京工業大学, 工学院, 助教 (50954608)
|
|---|
| Project Period (FY) |
2022-08-31 – 2024-03-31
|
| Keywords | CPSセキュリティリスク評価 |
|---|
| Outline of Annual Research Achievements |
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た。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した。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た。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。また、実応用に向けてマイクログリッドにおける評価プラットフォームの開発を実施した。電力系統シミュレーションにおける標準モデルであるIEEE 39バスモデルに分散型電源を組み込んだシステムを考え、よく知られた脅威シナリオとして偽造データ注入攻撃を想定したリスク評価を行った。さらに、リザバーコンピューティングを用いた攻撃検知手法を開発した。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。分散型電源の不確かな発電量のもとでの実時間高速再学習を提案し、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。
|
