物理约束数字孪生保障城市人流传感器完整性：基于共形保证的隐蔽虚假数据注入检测
事件
城市人流计数系统如今被用于支撑经济指标、规划决策与安全运营，但建立在其上的数字孪生默认输入数据真实可信。研究团队正式定义了城市尺度人流感知中的隐蔽虚假数据注入问题：与电力网和水网相比，人流从潜在流量到观测值的映射秩亏更为严重，攻击者更容易隐藏行迹。
该数字孪生在行人街道图上估计有向流量，通过学习到的图局部化增益同化计数值，并针对耦合计量与未计量路段的流量守恒残差进行训练。检测环节将新息与守恒残差结合，报警阈值由自适应共形校准设定，而非人工指定。为衡量物理约束带来的收益，研究定义了攻击裕度，即在白盒对手直接针对孪生优化时，估计流场最坏污染程度的相对下降幅度。
在墨尔本六年数据上，单个设备被攻陷时攻击裕度达到0.54，当三分之一设备被攻陷时降至0.19，而该网络中仅1.18%的可步行路段装有计量设备。若将街道图替换为距离图，裕度骤降至0.09，说明收益来自守恒定律而非局部性。这一结果对依赖人流数据做决策的城市管理者具有直接参考价值。
来源
本条目由采集管线自动抓取并发布，完整内容见下方来源链接。
*采集源：arXiv cs.AI*