Secure and Privacy-Preserving Cyber-Physical Systems

Dans cette thèse de doctorat, nous étudions le problème de conception d'estimateur et de commande préservant la confidentialité de données dans un système multi-algent composé de systèmes individuels linéaires incertains ainsi que le problème de conception d'attaques furtives et d'estimateurs résilients aux attaques dans les système cyber-physiques. Les systèmes de surveillance et de commande à grande échelle permettant une infrastructure de plus en plus intelligente s'appuient de plus en plus sur des données sensibles obtenues auprès d'agents privés. Par exemple, ces systèmes collectent des données de localisation d'utilisateurs d'un système de transport intelligent ou des données médicales de patients pour une détection intelligente d'épidémie. Cependant, les considérations de confidentialité peuvent rendre les agents réticents à partager les informations nécessaires pour améliorer les performances d'une infrastructure intelligente. Dans le but d'encourager la participation de ces agents, il s'avère important de concevoir des algorithmes qui traitent les données d'une manière qui preserve leur confidentialité. Durant la première partie de cette thèse, nous considérons des scénarios dans lesquels les systèmes individuels sont indépendants et sont des systèmes linéaires gaussiens. Nous revisitons les problèmes de filtrage de Kalman et de commande linéaire quadratique gaussienne (LQG), sous contraintes de preservation de la confidentialité. Nous aimerions garantir la confidentialité differentielle, une définition formelle et à la pointe de la technologie concernant la confidentialité, et qui garantit que la sortie d'un algorithme ne soit pas trop sensible aux données collectées auprès d'un seul agent. Nous proposons une architecture en deux étapes, qui agrège et combine d'abord les signaux des agents individuels avant d'ajouter du bruit préservant la confidentialité et post-filtrer le résultat à publier. Nous montrons qu'une amélioration significative des performances est offerte par cette architecture par rapport aux architectures standards de perturbations d'entrée à mesure que le nombre de signaux d'entrée augmente. Nous prouvons qu'un pré-filtre optimal d'agrégation statique peut être conçu en résolvant un programme semi-défini. L'architecture en deux étapes, que nous développons d'abord pour le filtrage de Kalman, est ensuite adaptée au problème de commande LQG en exploitant le principe de séparation. A travers des simulations numériques, nous illustrons les améliorations de performance de notre architecture par rapport aux algorithmes de confidentialité différentielle qui n'utilisent pas d'agrégation de signal.