基于事件触发的分布式积分卡尔曼滤波算法：针对传感器网络中的隐蔽攻击

《IEEE Transactions on Signal and Information Processing over Networks》：Event-Triggered Distributed Cubature Kalman Filtering Algorithm With Stealthy Attacks Over Sensor Networks

针对非线性系统隐蔽攻击和能量受限的分布式状态估计问题，提出新型检测策略和事件触发立方体卡尔曼滤波算法，降低通信消耗并保证估计精度，验证算法稳定性和有效性。

　　

摘要：

本文研究了在受到隐蔽攻击和能源限制的情况下，非线性系统分布式状态估计的安全问题。首先，设计了一种新的检测策略，用于非线性信息共识滤波器，以抵御能够修改通过无线网络传输的数据的隐蔽对手。与现有的攻击检测策略不同，所提出的防御策略能够同时验证接收到的本地估计值和误差协方差的真实性。随后，考虑到通信资源的限制，提出了一种结合上述检测策略的事件触发式分布式立方卡尔曼滤波算法，用于融合本地信息。该算法可以减少通信消耗，并保证在受到隐蔽攻击和能源限制的传感器网络中具有较高的估计精度。接着，阐述了所开发的非线性滤波算法的稳定性特性。最后，通过两个示例来证明所提出方法的有效性。

引言

由于分布式状态估计（或滤波）具有高估计精度和低通信资源使用率的优点，它在军事和民用领域都受到了广泛的研究关注[1]、[2]、[3]。为了实现共识目标，已经设计了多种基于共识的滤波算法，这些算法基于估计值的共识[4]、信息矩阵的共识[5]以及观测值的共识[6]。与其他共识滤波器相比，基于信息的共识能够在集体可检测性和网络连通性的最低要求下保证稳定性[7]。因此，它吸引了众多学者的关注，并取得了许多有意义的结果。