《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》:Nonlinear Coordination-Regime Monitoring for RPAS Human–AI Teams Under Cyberattack
编辑推荐:
网络攻击可破坏支持远程驾驶航空系统(remotely piloted aircraft systems, RPAS)与地面控制站(ground control station, GCS)之间协调的通信动态,增加人–AI监督控制的不确定性。本研究利用RPAS网络
网络攻击可破坏支持远程驾驶航空系统(remotely piloted aircraft systems, RPAS)与地面控制站(ground control station, GCS)之间协调的通信动态,增加人–AI监督控制的不确定性。本研究利用RPAS网络入侵检测数据集(RPAS Network Intrusion Detection Dataset)提出一种非线性协调状态监测方法。研究人员将滑动窗口多维递归量化分析(multidimensional recurrence quantification analysis, MdRQA)与样本熵(sample entropy, SampEn)应用于标准化遥测特征,以估计连续协调状态Ct及其短期不确定性。攻击类别产生不同的动力学特征:模板样攻击,包括暴力破解(Bruteforce)、中间人攻击(man-in-the-middle, MITM)和分布式拒绝服务攻击(distributed denial of service, DDoS),表现出更重复和结构化的动力学,而拒绝服务攻击(denial of service, DoS)导致协调结构持续下降。窗口级检测达到约0.79的准确率、0.91的精确率、0.85的召回率和0.88的F1分数。这些发现表明,非线性流量动力学标志物可通过区分持续性状态转变与瞬态波动,支持与操作员相关的告警优先级排序。未来工作将在原始数据包流上验证该方法,并评估面向人的监督决策策略。
研究背景:在人–AI团队(human–AI teams, HATs)监督远程驾驶航空系统(remotely piloted aircraft systems, RPAS)集群时,RPAS–地面控制站(ground control station, GCS)通信是维持任务状态共享理解和协调控制的主要通道,支撑人类操作员与自主代理之间的团队协作。RPAS–GCS协调被概念化为支撑人机交互的网络数据交换动力学,而非其他HAT情境中通常所指的同步。网络攻击破坏该协调通道,增加监督控制的不确定性;在复杂电磁环境中,干扰和压制无论敌意或偶发,均可迫使操作员实时调整航线、时序和控制实践,且对干扰原因可见性有限。防御现代化强调可在受控本地基础设施运行、可审查管理的AI,而非依赖仅云端工作流。因此,本研究利用时变RPAS–GCS通信数据实现网络攻击早期检测和缓解,重点是在任务系统本地运行检测的实际约束下减少误报和操作员工作负荷。研究提出协调状态(coordination-regime state, C
t)作为与操作员相关的协调标志物,以支持未来自适应告警和有界缓解策略。现有问题在于攻击具有异质性,不能作为单一二值攻击状态处理;需要刻画不同攻击类的协调签名,并帮助区分持续性状态转变与瞬态波动,以减少不必要的告警负担。研究假设该方法可满足任务系统嵌入式检测约束,消除远程云处理需求,同时限制误报并降低操作员工作负荷。
研究人员将RPAS–GCS系统中的网络防御概念化为闭环监督决策过程,提出受约束的监督决策策略,利用估计的C
t及其不确定性决定缓解行动的时机和选择,以减少不必要的告警负担;但本文报告的是步骤1和步骤2,步骤3未在本文报告。研究使用RPAS网络入侵检测数据集(RPAS Network Intrusion Detection Dataset, NIDD),包括基线RPAS飞行流量以及针对RPAS、接入点和GCS系统化分阶段攻击所生成的流量,标签包括Scanning、Reco、Bruteforce、MITM、Reply、FakeLanding、DoS和DDoS。由于这些状态以不同方式改变协调结构(重复模板与不规则破坏),研究将“攻击”视为异质类别,采用递归和熵标志物刻画状态特异的协调签名,而非单一二值攻击状态。步骤1使用滑动窗口非线性标志物估计潜在C
t;步骤2按攻击子集分析C
t,刻画攻击特异的动力学“状态签名”(低慢与突发);步骤3拟评估将(C
t,不确定性)映射为有界缓解动作的监督决策策略,并报告检测延迟和告警负担,其中不确定性项作为门控信号,在波动或过渡窗口抑制缓解动作以减少误报。研究采用非线性动力学系统(nonlinear dynamical systems, NDS)方法,将RPAS–GCS遥测视为可观察协调信号。C
t主要索引协调结构/规律性(较高值表示更有结构的动力学);网络攻击并不对应C
t的单一方向变化,而是区分攻击机制:部分状态变得高度重复,另一些状态变得不规则且协调性降低。
关键技术方法(≤250字):基于RPAS网络入侵检测数据集(NIDD;含基线RPAS飞行流量及针对RPAS、接入点与GCS的系统化分阶段攻击流量,标签为Scanning、Reco、Bruteforce、MITM、Reply、FakeLanding、DoS、DDoS,记录为从原始.pcap提取的特征工程表格),研究人员对标准化六维遥测状态向量采用滑动窗口(200观测、步长20、90%重叠)多维递归量化分析(MdRQA)和样本熵(SampEn)。C
t由标准化确定性(DET)、层流性(LAM)和对角线性熵(ENTR)复合后按1st/99th百分位重标度至[0,1];不确定性u
t取最近10个窗口C
t滚动标准差;触发条件为C
t<0.25、C
t>0.90或u
t>0.10。窗口级评估以窗口内多数观测真实状态为标签。
Outcome(结果):通过基于NIDD的窗口级C
t分析,模板样状态,包括Bruteforce、MITM及后期DDoS,显示C
t升高,符合重复协调模板;DoS段产生C
t持续下降,反映协调复发结构丧失。窗口级检测取得准确率≈0.79、精确率≈0.91、召回率≈0.85、F
1≈0.88,与采用更重AI驱动分类器的工作相比表现较强。SampEn似可分离状态,区分不规则破坏(如DoS)与更规则模板(如DDoS)。这些结果基于NIDD特征工程表格记录,而非直接包级流,因此识别的状态签名反映特征空间动力学,需原始包级遥测验证。由于分析聚焦通信通道而非直接操作员行为,发现应解释为协调信号证据,可启发但尚未验证面向人的监督决策支持。
讨论总结:所提出协调状态监测的实际价值在于支持RPAS网络攻击期间的告警和警报管理。该方法不是将每个网络异常作为孤立警告呈现,而是将RPAS–GCS流量特征汇总为连续C
t,以指示通信通道是否进入更重复、僵化、不规则或退化状态。这种高层次表示可帮助监督者优先处理反映持续协调状态转变而非瞬态波动的告警,从而减少不必要的告警负担,并在时间压力下支持态势感知。然而,当前分析应解释为初始监测层,而非已验证的监督决策策略。未来工作应评估不同阈值、不确定性门控和告警解释对操作员工作负荷、信任校准、响应时间和缓解效能的影响。
结论翻译:本研究通过量化网络流量动力学随时间的规律性和结构,利用滑动窗口NDS标志物研究RPAS–GCS协调中断。通过估计连续协调状态C
t并识别攻击特异动力学签名,例如重复模板样模式出现或不规则性增加,研究发现强调HAT框架的重要性。通信通道上的网络攻击向监督过程引入不确定性,影响人类操作员和机载自主系统。尽管本工作未实现闭环缓解策略,所提出的流量动力学规律性标志物为未来决策支持系统提供了计算高效基础,包括受操作约束的选择性告警和有界干预策略。正在进行的研究将聚焦通过系统量化告警频率与检测延迟之间的权衡,并评估其对操作员工作负荷、信任校准和干预效能的影响,以验证监督决策层。