网络攻击环境下基于SISMF的信任感知分布式跟踪技术

《Simulation Modelling Practice and Theory》：Trust-aware distributed tracking using SISMF under cyber attacks

　　摘要：基于方位角的分布式目标跟踪系统容易受到传感器节点与融合中心之间通信链路的网络攻击，因为损坏的方位/仰角测量数据会严重扭曲几何融合过程。本文提出了一种具有信任感知能力的分布式跟踪框架，该框架将基于平滑积分滑模滤波器（SISMF）的本地方位估计与在线信任加权融合机制相结合。在所提出的架构中，每个地理位置独立的传感节点都使用SISMF来获得平稳且抗噪声的方位/仰角估计值，而在融合中心则通过动态节点信任因子来实现网络攻击的抵御能力。每个信任因子都是通过创新一致性、归一化创新平方统计量、对数似然比加权、滞后效应、强制隔离以及基于重放的过时检测等方法来更新的。这些计算得到的信任值会被纳入加权方位几何融合和卡尔曼滤波过程中，从而在跟踪过程中对来自可疑节点的测量数据进行自适应降权处理。在单个节点被攻破的切换场景下，对欺骗攻击、重放/延迟攻击以及加性偏差注入攻击进行了模拟，这一场景的设定是基于节点的地理位置分散以及节点与中心之间独立的通信链路。所提出的方法与等权重基准融合、仅基于IRLS的鲁棒融合、Trust-WLS以及Trust-IRLS变体进行了比较。除了典型的轨迹和角度误差图外，还提供了蒙特卡洛仿真、消融分析、攻击检测指标、参数敏感性分析以及运行时间/可扩展性评估。结果表明，与无信任感知的基准方法相比，具有信任感知能力的融合方法能显著降低跟踪误差，在测试场景中Trust-WLS的蒙特卡洛均方根误差最低。检测结果进一步表明，所学习到的信任因子能够提供可解释的受攻击节点指示，而运行时间分析则证明了该框架在中小型分布式传感网络中的实时应用可行性。

引言：在无线定位、监控、导航以及自主感知系统中，对移动目标的精确定位和跟踪始终是一项核心需求。在到达角（AoA）定位中，估计精度会受到传感器与目标之间的几何关系、测量不确定性以及部署条件的影响[1]。基于AoA的方法具有吸引力，因为它们能够在包括RFID定位、野生动物遥测、协作式RF发射源定位以及基于UAV的跟踪等多种应用领域实现轻量级且实时的解决方案[2]、[3]、[4]、[5]。尽管大多数相关的跟踪研究都以视觉技术为核心[6]，但RF发射源跟踪仍然依赖于对TDoA/AoA/RSS测量数据的几何处理和统计分析，而直接位置确定则提供了一种计算成本更高但可能具有更高估计精度的替代方案[7]、[8]。在基于方位角的跟踪中，一个关键步骤是将含噪的测量数据转换为可靠的方位线，然后再将这些方位线融合为位置估计值。在复杂环境中，这种融合过程必须具备对多路径效应、非线性测量模型以及异常值的强鲁棒性。因此，最近的研究着眼于基于光线追踪的NLoS补偿、基于视距的潜在3D量恢复、仅基于方位角的鲁棒卡尔曼滤波，以及在信号较弱或波动较大的情况下的先跟踪后检测算法[9]、[10]、[11]、[12]。此外，还开发了基于观测器的辅助方法，以稳定局部估计并减少不确定性影响，这些方法包括积分滑模观测器、自适应高阶滑模设计、可旋转天线感知策略以及考虑极化特性的定向查找方法[13]、[14]、[15]、[16]。这些研究成果促使人们构建出将强鲁棒的局部角度估计与可靠的多节点融合相结合的分布式跟踪架构。然而，本文要解决的主要问题不仅仅是测量噪声，还有网络攻击带来的脆弱性。当多传感器跟踪通过网络化的信息物理系统实现时，传感器节点与融合中心之间的通信通道就变成了直接的攻击面。虚假数据注入、欺骗攻击、重放攻击、延迟攻击以及误导攻击都可能改变传输过来的角度数据，进而扭曲全局融合后的轨迹[17]、[18]、[19]、[20]。在信息物理系统中的相关抗毁估计与控制研究表明，恶意测量数据、时变延迟、拒绝服务攻击以及隐蔽的攻击模式都可能严重降低系统的跟踪性能[21]、[22]、[23]、[24]。对于基于方位角的跟踪而言，这意味着即便局部感知仍然可靠，少量被篡改的传输角度数据也可能大幅偏移直线交点处的几何结构，并通过卡尔曼滤波过程传播较大的误差。缓解这一问题的一种有前景的方法是采用具有信任感知能力的融合机制，即根据每个节点的数据与全局估计值的一致性，动态调整其贡献度。这一理念得到了近期关于基于信任的可靠传感器融合、零信任工业物联网、具有拜占庭容错能力的共识与估计机制以及具有对抗鲁棒性的联邦学习等相关研究的支持[25]、[26]、[27]、[28]、[29]、[30]、[31]、[32]。其共同原则是，可靠性应从实际观测行为中动态推断出来，而非预先假设。对于分布式跟踪而言，这样的机制在面临间歇性及切换型攻击时尤为重要，因为在这些情况下，被攻破的节点可能仅在有限的时间内不可靠，因此应当对其降低权重，而非视为永久性故障节点。正是鉴于这一不足，本文提出了一种具有信任感知能力的联邦跟踪框架，该框架利用固定的传感器节点来估计方位角和仰角，并将这些数据传输至融合中心，从而实现对移动RF目标的定位与跟踪。每个节点都使用平滑积分滑模滤波器（SISMF）来生成平稳的局部角度估计值，而主要的抗网络攻击机制则通过融合层中的动态信任因子Ti(t)∈[0,1]来实现。融合中心会根据接收到的方位角数据构建3D视线射线，计算出经过信任加权处理的几何位置估计值，然后再通过运动学卡尔曼滤波器对该估计值进行优化。在面对欺骗攻击、重放/延迟攻击以及偏差注入攻击时，被攻破节点的信任因子会迅速下降，从而降低该节点对融合结果的影响。通过这种方式，所提出的方法将强鲁棒的局部估计与明确考虑网络攻击因素的融合机制相结合。大量的仿真结果表明，参考文献[33]中所提出的无信任感知的基准融合方案在单个节点被攻破的情况下可能会失效，而所提出的具有信任感知能力的框架则能够保持准确的跟踪效果，同时还能通过信任轨迹提供有关节点是否被攻破的有用信息。本文的主要贡献如下：•针对节点与中心之间通信链路遭受网络攻击的情况，提出了一种具有信任感知能力的分布式跟踪框架，用于基于方位角的RF目标定位。•引入了动态节点信任因子，用于评估每个节点传输的方位/仰角测量数据与预测目标状态之间的统计一致性。•将该信任因子纳入几何方位融合和卡尔曼滤波过程中，这样就可以在不放弃分布式SISMF感知架构的前提下，对受损节点进行自适应降权处理。•通过对欺骗攻击、重放/延迟攻击以及加性偏差注入攻击的模拟，评估了传统等权重融合方法的脆弱性以及所提出的具有信任感知能力的融合机制的抵御能力。•开展了全面的仿真研究，包括蒙特卡洛分析、消融对比、攻击检测指标、参数敏感性分析以及运行时间/可扩展性评估。本文的其余部分结构如下：第2节回顾了相关背景知识及基础理论，包括本文中使用的SISMF结构以及信任因子计算模型。第3节介绍了所提出的具有信任感知能力的联邦跟踪架构，详细阐述了中心端的几何融合过程、卡尔曼滤波阶段以及基于信任权重的反馈机制。第4节展示了在多种时变网络攻击场景下的仿真结果，并通过各种图表和指标来评估跟踪精度以及信任估计性能。第5节对本文进行了总结，同时提出了未来工作的方向，包括构建更复杂的攻击者模型、多攻击者场景分析，以及将信任传播机制扩展到去中心化架构中。