基于EtherCAT總線的七自由度機械臂的隱蔽攻擊技術(shù)

汪世鵬，解 侖，李連鵬，孟 盛，王志良

北京科技大學計算機與通信工程學院，北京 100083

工業(yè)機械臂是一種多輸入多輸出的類人的作業(yè)、高度自主的控制系統(tǒng),廣泛應(yīng)用于醫(yī)療護理、家庭服務(wù)、工業(yè)制造等領(lǐng)域.近年來，隨著信息物理系統(tǒng)網(wǎng)絡(luò)與互聯(lián)網(wǎng)的融合，機械臂控制系統(tǒng)的安全暴露于互聯(lián)網(wǎng)中，使得攻擊者攻擊成功的幾率逐年增加.Stuxnet和Duqu惡意病毒已經(jīng)證明了信息物理系統(tǒng)是能夠被攻擊而且造成的后果極其嚴重[1-2].

攻擊者通常選擇現(xiàn)場總線和機械臂控制模型作為入侵對象.機械臂系統(tǒng)中以太網(wǎng)總線種類很多，常用的有Profinet IO[3-5]、Modbus[6-7]、EtherCAT[8-9]等.相較于其他總線而言，EtherCAT總線實時性更高、具有更靈活的網(wǎng)絡(luò)拓撲結(jié)構(gòu)、可無縫集成現(xiàn)有的總線系統(tǒng).因此，EtherCAT總線在工業(yè)控制領(lǐng)域中備受關(guān)注.然而，該總線缺少像身份認證等安全上的保障，Granat等[10]指出EtherCAT總線暴露于DoS/DDoS,中間人攻擊等常見的攻擊.與可達空間受限的六自由度機械臂相比，七自由度機械臂（7-DOF manipulator）能保持末端機構(gòu)在平面上位置不變的情況下，實現(xiàn)構(gòu)型的變換，而且七自由度機械臂在設(shè)計上和人體手臂的模型相類似，因此具有更好的靈活性[11].

在信息物理攻擊方法及模型研究等方面，隱蔽攻擊（Covert attacks, CA）又稱為錯誤數(shù)據(jù)注入攻擊（False data injection attacks, FDI），是一類比較有意義的攻擊方式[12-13].Xie等[14]提出了一種基于錯誤數(shù)據(jù)注入的攻擊方法，攻擊者如果獲得了當前電力系統(tǒng)相關(guān)配置信息，便有可能注入干擾智能電網(wǎng)狀態(tài)估計過程的惡意攻擊包，從而繞開系統(tǒng)中已有的不良數(shù)據(jù)檢測方法.隱蔽攻擊模型的思路是篡改當前控制系統(tǒng)的傳感器測量值，并且使修改后的數(shù)值仍處于合法運行范圍之內(nèi)，從而避免被標準的入侵檢測方法檢測到，實現(xiàn)對控制系統(tǒng)的影響.相較于普通攻擊，隱蔽攻擊更難被發(fā)現(xiàn)，造成的損失也比其他類型的攻擊更嚴重.de Sá等[15]提出了一種針對化工生產(chǎn)過程的隱蔽攻擊模型，并對攻擊的影響進行了評估.Krotofil和Larsen[16]提出了一種新的化工過程仿真模型，并實施了隱蔽攻擊.Quarta等[17]對工業(yè)機器人控制系統(tǒng)進行了相關(guān)的分析，提出了一個攻擊者模型，并將其與工業(yè)機器人應(yīng)該遵守的最低要求相對應(yīng)：精確感知環(huán)境，執(zhí)行控制邏輯的正確性以及人類操作員的安全性；展示了攻擊者如何利用軟件漏洞等破壞這些需求，從而導致機器人領(lǐng)域獨有的嚴重后果.Lagraa等使用ROS對機器人攝像機進行了結(jié)構(gòu)化安全評估，并使用一些安全漏洞接管了從機器人攝像機傳入的視頻流，針對此提出了一種入侵檢測系統(tǒng)來檢測異常流量[18].Vilches等著重于創(chuàng)建一個開放和免費訪問的機器人漏洞評分系統(tǒng)，主要考慮了機器人技術(shù)當中的相關(guān)安全問題[19].雖然已經(jīng)有研究人員開始關(guān)注機械臂安全相關(guān)的研究，但是針對機械臂控制系統(tǒng)的隱蔽攻擊的文章還很少.因此，研究基于EtherCAT總線的隱蔽攻擊技術(shù)對提高機械臂控制系統(tǒng)安全十分必要.

本文提出了一種基于混沌理論的多種群粒子群優(yōu)化的七自由度機械臂系統(tǒng)PID參數(shù)辨識算法；然后使用該算法對EtherCAT總線下的七自由度機械臂進行了系統(tǒng)辨識，得到的參數(shù)作為隱蔽控制器的參數(shù)；最后根據(jù)提出的隱蔽攻擊方法展開隱蔽攻擊.實驗結(jié)果表明了在七自由度機械臂上實施隱蔽攻擊的可行性.本研究的新穎之處在于提出了一種針對部署在EtherCAT總線上的機械臂隱蔽攻擊方法并搭建了實驗測試平臺.作為探索性的研究，對EtherCAT總線的安全性以及機械臂控制系統(tǒng)的穩(wěn)定性作出了貢獻.

1 七自由度機械臂模型

機械臂運動規(guī)劃是保障機械臂在符合設(shè)定的約束以及避障條件下，依據(jù)規(guī)劃的路徑完成位置和姿態(tài)的轉(zhuǎn)換.正向運動學通過機械臂各個關(guān)節(jié)的實際轉(zhuǎn)動或伸縮值，求解其末端的位置和姿態(tài)；對應(yīng)的逆運動學是已知末端的姿態(tài)和位置，求解各個關(guān)節(jié)轉(zhuǎn)動或伸縮量，通常運動規(guī)劃都是以逆運動學為基礎(chǔ)[20].

1.1 運動規(guī)劃模型

Denavit和Hartenberg[21]為了表示機械臂相鄰連桿間的運動規(guī)則，針對各個關(guān)節(jié)的連桿建立坐標系，該坐標系被稱為D-H坐標系.按照機械臂連桿和關(guān)節(jié)的分布情況、依據(jù)D-H坐標系的創(chuàng)建規(guī)則和各個連桿的長度，建立如圖1所示的七自由度機械臂D-H坐標系，可得到如表1所示的機械臂連桿結(jié)構(gòu)參數(shù).

圖1 七自由度機械臂D-H坐標系Fig.1 7-DOF manipulator D-H coordinate system

坐標系{i}相對于坐標系{i-1}的坐標變換矩陣如下

已知目標位姿(xt,yt,zt,α,β,γ),則建立逆運動學求解等式

式（2）中，[nx,ny,nz]T、[ox,oy,oz]T、[ax,ay,az]T為機械臂末端的俯仰角、偏航角和滾轉(zhuǎn)角，[xt,yt,zt]T為機械臂末端的位移.依據(jù)所建立的D-H坐標系對七自由度機械臂逆運動學模型求解[22].由于構(gòu)型設(shè)計上符合存在封閉解的Pieper準則[23]，可求解出各個關(guān)節(jié)角的解析解方程，得到解析的運動學模型.

1.2 機械臂 PID 控制器模型

機械臂的運動規(guī)劃需要各個關(guān)節(jié)的控制器依據(jù)模型的參數(shù)進行計算才能實施.機械臂運動控制是依靠各個關(guān)節(jié)執(zhí)行器來達到目標位姿.本文所用機械臂的關(guān)節(jié)控制器是采用PID進行調(diào)節(jié)的.具體PID控制框圖如圖2所示.

圖2中，y表示七自由度機械臂期望的末端位置，表示七自由度機械臂期望的末端速度，表示七自由度機械臂期望的末端加速度；Pd表示規(guī)劃軌跡的期望位置；ωi(i=1···7)表示關(guān)節(jié)位置，i(i=1···7)表示關(guān)節(jié)速度，i(i=1···7)表示關(guān)節(jié)加速度；x、、分別表示七自由度機械臂末端期望位置、期望速度和期望加速度.

圖2所示關(guān)節(jié)控制器采用三閉環(huán)的位置隨動系統(tǒng)，位置環(huán)使得各個關(guān)節(jié)到達指定的位置，速度環(huán)使得各個關(guān)節(jié)的速度能夠按照要求的量進行轉(zhuǎn)動，電流環(huán)可以防止速度過載從而提升系統(tǒng)穩(wěn)定性.

關(guān)節(jié)位置控制器是位置式PID控制器為

式中，O(k)表示第k次的關(guān)節(jié)轉(zhuǎn)動輸出，p表示可調(diào)節(jié)的比例系數(shù)，TI表示控制器的積分常數(shù)，i表示可調(diào)節(jié)的積分系數(shù)，Ts表示采樣周期，Td表示微分常數(shù)，d表示可調(diào)節(jié)的微分系數(shù)，e(k)表示第k次的關(guān)節(jié)轉(zhuǎn)動偏差.

表1 機械臂D-H坐標系參數(shù)Table 1 D-H coordinate system parameters of manipulator

圖2 機械臂PID控制框圖Fig.2 Manipulator PID control block diagram

2 多種群粒子群的PID 參數(shù)辨識

在對機械臂控制系統(tǒng)進行隱蔽攻擊時，需要獲得足夠的先驗知識，由于通常只能獲取部分機械臂相關(guān)的知識，在這種情況下是幾乎不能夠?qū)嵤╇[蔽攻擊，因此需要通過一些措施獲取機械臂控制系統(tǒng)模型.本文將群智能優(yōu)化算法引入到七自由度PID參數(shù)辨識過程中，利用多種群粒子群優(yōu)化系統(tǒng)辨識算法得到七自由度機械臂最佳匹配模型參數(shù)，并將其應(yīng)用到隱蔽攻擊方法中.

2.1 多種群粒子群優(yōu)化算法

混沌粒子群算法（Chaotic particle swarm optimization，CPSO）[24]以及基本粒子群算法（Particle swarm optimization，PSO）[25]等隨著算法的搜索空間的維度增加其獲取全局最優(yōu)值的效率會大大降低.多種群粒子群優(yōu)化算法（Multi-swarm particle swarm optimization，MPSO）[26]是在 PSO上進化而來的一種優(yōu)化算法，其核心思想是將種群隨機劃分成幾個子群，子群內(nèi)部按照PSO算法的流程進行迭代更新，并且子群之間共享信息從而幫助整個種群更好地尋優(yōu).

多種群粒子群優(yōu)化算法采取的是主從策略，按照種群之間的競態(tài)關(guān)系可以將多種群粒子算法分為競爭型和合作型.合作型多種群粒子群優(yōu)化算法相對于競爭型而言少了一個遷移因子.本文采用競爭型多種群粒子群算法中主種群的更新策略如下：

式中，1≤i≤n；Xi及Vi為第i次迭代位置與速度；w是慣性權(quán)重，c1,c2,c3是主種群和從種群中粒子的學習權(quán)重；r1,r2,r3是主種群和從種群中粒子隨機真值，取值為0≤r1,r2,r3≤1；分別是主種群的局部最優(yōu)位置和全局最優(yōu)位置；是從種群的全局極值位置；φ是遷移因子，如果從種群中的全局最優(yōu)位置大于主種群中的全局最優(yōu)位置，則 φ=1，如果從種群中的全局最優(yōu)位置和主種群中的全局最優(yōu)位置處于同等水平，則 φ=0.5，如果從種群中的全局最優(yōu)位置低于主種群中的全局最優(yōu)位置，則 φ=0.由從種群和主種群的全局最優(yōu)位置來搜索整個種群的最優(yōu).

2.2 多種群粒子群的PID 參數(shù)辨識

基于前述機械臂PID控制模型可知，每個關(guān)節(jié)都有6個參數(shù)需要辨識，因此使用多種群粒子群系統(tǒng)辨識對七自由度機械臂進行辨識的參數(shù)為42個.實現(xiàn)基于多種群粒子群算法的七自由度機械臂運動控制模型的系統(tǒng)參數(shù)辨識方法的詳細步驟如下：

1）將群體中的n個粒子隨機初始化到解空間中.根據(jù)七自由度機械臂系統(tǒng)模型參數(shù)待辨識的個數(shù)設(shè)置粒子的維度為42，并在隨機初始化粒子的起始位置和起始速度.這些初始化了的粒子構(gòu)成了七自由度機械臂的系統(tǒng)參數(shù)解集合并設(shè)定好學習權(quán)重c1,c2,c3的初始值以及慣性權(quán)重w的初始值等.

2）劃分群體為多個種群.將種群劃分成多個群體，群體的個數(shù)為s，劃分的方式如下：對所有的粒子進行編號，編號為1的粒子劃分進1號子群體中，2號粒子劃分進2號子群體中，i號粒子劃分進s號子群體中，i+1號粒子被劃分進1號子群體中，以此類推，通過這種方式將整個種群劃分成多個子群.劃分完畢的種群中選擇全局最優(yōu)位置所在的子種群為主群，其余子群為從子群.

3）通過適應(yīng)度函數(shù)來計算每個子群中粒子對應(yīng)的適應(yīng)值和更新的學習因子c1i,c2i,c3i及權(quán)重wi.

4）主種群更新.主群根據(jù)迭代方程更新群體中粒子的速度和位置，更新公式如下：

5）從子群更新.在更新從子群的時候采用下面的步驟進行.

a）確定從子群參數(shù)的可行域[a,b]，設(shè)置混沌算法初始化參數(shù).

b）通過Logistic映射引入混沌變量，Logistic映射公式為z=μz(1-z)，其中，z表示混沌域并且z∈(0,1)，μ為Logistic參數(shù)，取值范圍為μ∈[3.5699456,4].對于粒子位置向量x映射到Logistic方程定義域上得

c）從子群更新粒子的位置以及速度，使用的方程為

搜索過程中將混沌序列使用方程

將粒子逆映射到原來的空間中去.

6）計算從子群中每個粒子的適應(yīng)度函數(shù)值.對這些粒子的位置和粒子歷史最優(yōu)值進行比較，如果優(yōu)于的話則更新粒子的主種群以及從種群中的粒子最優(yōu)值，分別得到

7）判斷當前位置是否為優(yōu)于全局最優(yōu)值.如果是的話，則將當前位置賦給全局最優(yōu)值Pg.

8）判斷迭代是否符合終止要求.將設(shè)定的迭代次數(shù)值和算法當前的迭代次數(shù)進行比較，如果達到了則算法終止，否則，算法將跳轉(zhuǎn)到步驟4繼續(xù)執(zhí)行.

七自由度機械臂的多種群粒子算法系統(tǒng)辨識的基本流程圖如圖3所示.

3 設(shè)計與實驗

3.1 系統(tǒng)整體架構(gòu)

本文在工業(yè)以太網(wǎng)EtherCAT總線上搭建了七自由度機械臂控制和攻擊測試平臺，該平臺主要包含了EtherCAT主站、工業(yè)交換機、EtherCAT從站、七自由度機械臂以及攻擊者.提出的平臺中各個設(shè)備之間的關(guān)系如圖4所示.

圖3 七自由度機械臂的多種群粒子算法系統(tǒng)辨識基本流程圖Fig.3 Basic flow chart of MPSO system identification for 7-DOF manipulator

圖4 系統(tǒng)整體架構(gòu)圖Fig.4 System architecture

EtherCAT主站采用EtherCAT主站軟件架構(gòu)，在Linux原有的任務(wù)調(diào)度的基礎(chǔ)上移植xenomai，擴展Linux操作系統(tǒng)的在嚴格通信要求上的任務(wù)調(diào)度.采用改進的開源主站SOME連接EtherCAT從站讀取機械臂的狀態(tài)信息并向機械臂控制系統(tǒng)中寫入命令字.

工業(yè)交換機在工業(yè)控制系統(tǒng)中用于將工業(yè)以太網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)到各個受控對象，但同時也提供給攻擊者一種入侵方式.在本文中通過工業(yè)型交換機攻擊七自由度機械臂.

EtherCAT從站主要包含了基于lan9252設(shè)計的EtherCAT從站多協(xié)議網(wǎng)關(guān)以及插入FC1100 PCI卡的主機組成的標準EtherCAT從站系統(tǒng).本文中設(shè)計的EtherCAT從站多協(xié)議網(wǎng)關(guān)用于連接機械臂等多種實驗設(shè)備，該網(wǎng)關(guān)電路上主要包含了EtherCAT從站專用控制芯片LAN9252、標準以太網(wǎng)接口電路、電源管理電路、STM32的外圍設(shè)備電路及調(diào)試電路等，如圖5所示.

攻擊者由標準計算機搭載Kali Linux系統(tǒng)，通過工業(yè)交換機接入EtherCAT通信網(wǎng)絡(luò)中.EtherCAT協(xié)議在設(shè)計的時候并沒有考慮連接的安全性來保護主站和從站之間的通信.因此，很容易受到媒體訪問控制（Media access control, MAC）欺騙.本文采用了MAC地址欺騙的方法，由于該方法的實施效果取決于工業(yè)交換機整體性能，本文在實施實驗時不進行相應(yīng)的研究.EtherCAT協(xié)議實施中間人攻擊的流程如圖6所示.

圖5 EtherCAT從站多協(xié)議網(wǎng)關(guān)硬件結(jié)構(gòu)圖Fig.5 EtherCAT slave multi-protocol gateway hardware structure diagram

圖6 EtherCAT中間人攻擊示意圖Fig.6 EtherCAT man-in-the-middle attack diagram

圖中MAC_S表示EtherCAT從站的MAC地址，MAC_M表示EtherCAT主站的MAC地址，MAC_A表示攻擊者根據(jù)主站和從站通信獲得的主站以及從站偽造地址，根據(jù)欺騙的過程進行修改，Src表示通信過程中數(shù)據(jù)的源地址，Dst表示通信過程中數(shù)據(jù)的目的地址，ECAT_P，ECAT_PS，ECAT_PR表示數(shù)據(jù)包中的EtherCAT幀，ECAT_PS_M，ECAT_PR_M表示修改后的EtherCAT幀，oth_表示為了實施中間人構(gòu)建的其他包.攻擊者采用持續(xù)的發(fā)送數(shù)據(jù)包來充當主站從站來進行數(shù)據(jù)的篡改與轉(zhuǎn)發(fā).

3.2 實驗

根據(jù)系統(tǒng)整體架構(gòu)搭建的工業(yè)以太網(wǎng)下的七自由度機械臂平臺如圖7所示.其中工業(yè)型交換機是整個系統(tǒng)的連接樞紐，工作人員通過工業(yè)型交換機可以遠程控制ROS-EtherCAT主站；ROSEtherCAT主站通過工業(yè)交換機線性連接FC1100以及4塊EtherCAT從站多協(xié)議網(wǎng)關(guān)，構(gòu)成EtherCAT總線通信系統(tǒng)，并且有1塊EtherCAT從站多協(xié)議網(wǎng)關(guān)通過CAN總線連接七自由度機械臂.攻擊者通過工業(yè)型交換機接入整個通信網(wǎng)絡(luò)中，在圖中并未展示出來.

本文提出的七自由度機械臂隱蔽攻擊原理如圖8所示.

圖中攻擊者主要通過對被攻擊的機械臂運動學模型知識以及機械臂關(guān)節(jié)的控制模型知識構(gòu)建一個類似于機械臂控制器的隱蔽控制器，其中隱蔽控制器的參數(shù)通過前面章節(jié)所提出的基于混沌理論的多種群粒子群的PID參數(shù)辨識算法獲得.使用構(gòu)造的PID攻擊函數(shù)對控制器的輸出添加一個偏差對機械臂的各個關(guān)節(jié)的實際輸出造成影響，然后對各個關(guān)節(jié)的反饋值減去添加偏差應(yīng)該產(chǎn)生的影響值，從而欺騙控制器，讓機械臂系統(tǒng)認為當前機械臂的執(zhí)行已經(jīng)到達了目標位置及姿態(tài)，從而完成隱蔽攻擊的目的.機械臂的運動規(guī)劃模型主要在攻擊的時候讓機械臂的位姿到達指定的攻擊姿態(tài)，達到預期的攻擊效果.為各個關(guān)節(jié)的實際輸出值，其中n=7,為各個關(guān)節(jié)的反饋欺騙值，其中n=7.

圖7 七自由度機械臂系統(tǒng)平臺Fig.7 7-DOF manipulator system platform

圖8 七自由度機械臂隱蔽攻擊原理圖Fig.8 7-DOF manipulator covert attack schematic

首先從協(xié)議的角度對七自由度機械臂展開攻擊，因為EtherCAT協(xié)議對于拒絕服務(wù)攻擊（Denial of service, DoS）沒有任何抵抗措施，因此本文進行EtherCAT協(xié)議攻擊的部署相對簡單.EtherCAT協(xié)議在部署過程中，只有主站能夠修改從站的狀態(tài)機狀態(tài)，而EtherCAT從站只有在運行狀態(tài)才能進行周期性通信過程，因此對EtherCAT從站狀態(tài)機進行攻擊會導致機械臂無法進行正常工作，這種攻擊很容易被操作人員發(fā)現(xiàn)或者被入侵檢測系統(tǒng)檢測到.本文根據(jù)EtherCAT主從通信過程編寫了一個可以攻擊同一網(wǎng)段下的任一從站的狀態(tài)機攻擊程序，攻擊過程及效果如圖9所示.

圖9 狀態(tài)機攻擊.（a）狀態(tài)機攻擊執(zhí)行圖；（b） ROS-EtherCAT 主站狀態(tài)檢測Fig.9 State machine attack: (a) state machine attack execution diagram；(b) ROS-EtherCAT master status detection

從圖中可以看到攻擊期間，ROS-EtherCAT主站檢測到了有從站沒有進入運行狀態(tài)，主站讀取從站中的映射值出現(xiàn)了錯誤，當停止了狀態(tài)機攻擊之后，主站將從站的狀態(tài)由錯誤狀態(tài)恢復至正常運行狀態(tài)，這種攻擊方式可以直接造成機械臂系統(tǒng)無法進行正常的操作而保持上次正常規(guī)劃執(zhí)行完的位姿，但很容易被操作人員發(fā)現(xiàn).

正弦攻擊具有較好的隱蔽性，一般的入侵檢測系統(tǒng)很難檢測到正弦攻擊造成的異常.正弦攻擊的幅度值以及頻率值都能夠改變，對其進行傅里葉變換分析可以發(fā)現(xiàn)其能量分布極其集中，因此能造成更強的攻擊后果，本文在七自由度機械臂上同樣構(gòu)建了正弦攻擊.正弦攻擊下的效果圖如圖10所示.

從正弦攻擊與正常工作下的機械臂的速度曲線上可以看到，正弦攻擊下速度出現(xiàn)明顯的頻率變化以及幅度變化，在位置曲線上有明顯的波動出現(xiàn)，而正常工作下的速度曲線以及位置曲線都很平滑.并且在ROS-EtherCAT主站上可以看到控制系統(tǒng)報出執(zhí)行出錯的重大錯誤，機械臂并未按照正常的軌跡規(guī)劃去執(zhí)行.

由于EtherCAT通信網(wǎng)絡(luò)上有多個EtherCAT從站設(shè)備，導致數(shù)據(jù)量相比單個設(shè)備來說要多很多，因此，需要分析數(shù)據(jù)結(jié)構(gòu)，找出七自由度機械臂相應(yīng)數(shù)據(jù)，對于機械臂數(shù)據(jù)的分析假設(shè)攻擊者已經(jīng)獲得了部分關(guān)于機械臂控制器的知識，如圖11所示，從抓取的網(wǎng)絡(luò)包中，分析屬于機械臂的通信數(shù)據(jù)，其中紅色方框中為七自由度機械臂通信時的一幀數(shù)據(jù).

圖10 正弦攻擊.（a）正常工作下的速度位置曲線；（b）正弦攻擊下的速度位置曲線；（c） ROS-EtherCAT主站狀態(tài)Fig.10 Sinusoidal attack: (a) speed position curve under normal working; (b) speed position curve under sinusoidal attack; (c) ROS-EtherCAT master status

從數(shù)據(jù)的傳輸格式來看，EtherCAT上傳輸?shù)臄?shù)據(jù)采用的是大端模式，七自由度機械臂上CAN總線數(shù)據(jù)按照幀格式可以看到數(shù)據(jù)為幀ID，為0x107, 數(shù)據(jù)長度（Data length count, DLC）為 0x06，接下來的為數(shù)據(jù)區(qū)，數(shù)據(jù)分別為0x05、0x9c、0x34、0x16、0x00、0x00、0x00、0x00.基于圖11（a）分析得到的EtherCAT總線傳輸?shù)臄?shù)據(jù)格式，結(jié)合關(guān)節(jié)控制器內(nèi)存控制表信息（圖11（b）），根據(jù)提出的多種群粒子群的七自由度系統(tǒng)辨識算法對七自由度機械臂系統(tǒng)進行參數(shù)辨識.首先，根據(jù)上述得到的傳輸數(shù)據(jù)將群體中的n個粒子隨機初始化到解空間，劃分群體為多個種群，通過適應(yīng)度函數(shù)來計算每個子群中粒子對應(yīng)的適應(yīng)值，然后主種群、從子群更新，計算從子群中每個粒子的適應(yīng)度函數(shù)值，判斷當前位置是否為優(yōu)于全局最優(yōu)值.需要辨識的參數(shù)有42個，通過上述過程得到相應(yīng)的最優(yōu)值.表2列出了關(guān)節(jié)6和關(guān)節(jié)7參數(shù)辨識結(jié)果，其中位置PID參數(shù)為外環(huán)控制關(guān)鍵參數(shù)，速度PID為內(nèi)環(huán)控制關(guān)鍵參數(shù)，位置外環(huán)參數(shù)是速度內(nèi)環(huán)的輸入.從真實值和辨識值之間的對比，可以看到本文提出的系統(tǒng)辨識算法辨識效果良好.

根據(jù)本文提出的七自由度機械臂隱蔽攻擊模型，七自由度系統(tǒng)辨識參數(shù)以及七自由度機械臂的運動學模型構(gòu)建出的攻擊，攻擊函數(shù)采取正弦攻擊函數(shù)，攻擊效果如圖12所示.從圖12（a）中可以看到ROS-EtherCAT主站在攻擊者進行隱蔽攻擊時并未檢測到任何異常，并且認為機械臂已經(jīng)到達了目標位姿，而圖12（b）是機械臂的真實位姿狀態(tài)，和圖12（a）中顯示的位姿有明顯差異，從而驗證了本文提出的七自由度機械臂隱蔽攻擊技術(shù)的實施具有良好的隱蔽性，根據(jù)需要造成的破壞大小構(gòu)造出攻擊函數(shù)能夠造成很嚴重的后果.

從不同的角度對比上述攻擊，如表3所示.本文提出的七自由度機械臂隱蔽攻擊技術(shù)在實施上比較復雜，但是在保證破壞性的情況下具有較好的隱蔽性.

4 結(jié)論

圖11 七自由度機械臂通信數(shù)據(jù).（a）通信數(shù)據(jù)格式；（b）機械臂部分內(nèi)存表信息Fig.11 7-DOF manipulator communication data：(a) communication data format；(b) part of memory table information of the robot arm

表2 部分辨識值和真實值Table 2 Partially recognized value and true value

圖12 隱蔽攻擊.（a） ROS-EtherCAT 主站狀態(tài)；（b） 機械臂真實狀態(tài)Fig.12 Covert attack：(a) ROS-EtherCAT master status；(b) manipulator real state

表3 機械臂攻擊對比Table 3 Manipulator attack comparison

本文提出了基于七自由度機械臂的隱蔽攻擊方法.對七自由度機械臂進行了運動學規(guī)劃建模，并對粒子群算法進行了研究；提出了基于混沌理論的多種群粒子群優(yōu)化的七自由度PID參數(shù)辨識算法.設(shè)計了隱蔽攻擊系統(tǒng)架構(gòu)并搭建了實驗平臺，利用所提出的算法對本文中的機械臂控制系統(tǒng)的參數(shù)進行辨識，使用辨識的參數(shù)結(jié)合隱蔽攻擊原理進行了攻擊實驗，并且將所提出的隱蔽攻擊技術(shù)與協(xié)議的狀態(tài)機攻擊以及傳統(tǒng)的正弦攻擊進行了比較.實驗表明所提出的七自由度機械臂的系統(tǒng)辨識算法能夠較好的辨識系統(tǒng)參數(shù)，并且能很好的應(yīng)用于機械臂的隱蔽攻擊中，驗證了所提方法的可行性.本文所構(gòu)建的攻擊實驗平臺為機械臂的攻防試驗提供了物理基礎(chǔ)，該平臺對于類似研究者有一定的借鑒意義.

值得注意的是，本文在機械臂的隱蔽攻擊實驗中，仍然存在許多不足:機械臂的控制中由于傳感器的精度問題，導致控制精度不是很高；本文并未對七自由度機械臂的動力學進行研究，因此提出的基于混沌優(yōu)化多種群粒子群七自由度機械PID參數(shù)辨識算法并未對機械臂的動力學進行辨識.