Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Gaussian Filtering with False Data Injection and Randomly Delayed Measurements

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F23%3A50020599" target="_blank" >RIV/62690094:18450/23:50020599 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/10217812/" target="_blank" >https://ieeexplore.ieee.org/document/10217812/</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ACCESS.2023.3305288" target="_blank" >10.1109/ACCESS.2023.3305288</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Gaussian Filtering with False Data Injection and Randomly Delayed Measurements

  • Popis výsledku v původním jazyce

    State estimation in cyber-physical systems is a challenging task involving integrating physical models and measurements to estimate dynamic states accurately in practical machine-to-machine and IoT deployments. However, integrating advanced wireless communication and intelligent measurements has increased vulnerability of external intrusion through a centralized server. This study addresses the challenge of Gaussian filtering for a specific type of stochastic nonlinear system vulnerable to cyber attacks and delayed measurements. These attacks occur randomly when data is transmitted from sensor nodes to remote filter nodes. To address this issue, a new cyber attack model is proposed that combines false data injection attacks and delayed measurement into a unified framework. The study also analyzes the stochastic stability of the proposed filter and establishes sufficient conditions to ensure that the filtering error remains bounded even in the presence of randomly occurring cyber attacks and delayed measurements. The proposed methodology is demonstrated and compared with other widely used approaches using simulated data to highlight its effectiveness and usefulness. Author

  • Název v anglickém jazyce

    Gaussian Filtering with False Data Injection and Randomly Delayed Measurements

  • Popis výsledku anglicky

    State estimation in cyber-physical systems is a challenging task involving integrating physical models and measurements to estimate dynamic states accurately in practical machine-to-machine and IoT deployments. However, integrating advanced wireless communication and intelligent measurements has increased vulnerability of external intrusion through a centralized server. This study addresses the challenge of Gaussian filtering for a specific type of stochastic nonlinear system vulnerable to cyber attacks and delayed measurements. These attacks occur randomly when data is transmitted from sensor nodes to remote filter nodes. To address this issue, a new cyber attack model is proposed that combines false data injection attacks and delayed measurement into a unified framework. The study also analyzes the stochastic stability of the proposed filter and establishes sufficient conditions to ensure that the filtering error remains bounded even in the presence of randomly occurring cyber attacks and delayed measurements. The proposed methodology is demonstrated and compared with other widely used approaches using simulated data to highlight its effectiveness and usefulness. Author

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    IEEE Access

  • ISSN

    2169-3536

  • e-ISSN

    2169-3536

  • Svazek periodika

    11

  • Číslo periodika v rámci svazku

    Autumn

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    12

  • Strana od-do

    88637-88648

  • Kód UT WoS článku

    001055265300001

  • EID výsledku v databázi Scopus

    2-s2.0-85168275859