物理约束数字孪生检测行人流传感器欺骗攻击

城市行人计数系统如今已经深度嵌入经济指标测算、城市规划决策与安全运营之中，而架设在这些数据流之上的数字孪生，通常默认流入的传感器数据就是可靠的地面真值。arXiv 平台上一篇题为“物理约束数字孪生用于城市行人流传感器完整性”的论文，正面回答了另一个问题：当数据并不真实时会发生什么。

作者形式化了一类面向城市尺度行人感知的隐蔽虚假数据注入。与电力网络、供水网络相比，城市行人传感中由潜在人流到观测值的映射秩亏程度要严重得多，这意味着攻击者更容易构造出既改变真实状态、又几乎不在观测中留下痕迹的欺骗性数据。也正因如此，直接照搬已经刻画清楚的电网与水管网隐蔽性条件并不可行，需要针对行人流场景重新建立分析框架。

论文提出的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各路段的计数观测，并以一个流量守恒残差作为训练约束，把有计量路段与无计量路段耦合在一起。检测环节同时使用新息量与上述守恒残差两类信号，报警阈值不再依靠人工设定，而是由自适应保形校准给出，从而在统计意义上控制误报水平，使报警结果具备可验证的置信保证。

为了量化物理约束究竟带来多少价值，作者定义了攻击裕度，即在白盒对手直接穿过孪生模型进行优化的情况下，估计流场在最坏情况下被污染的相对降低幅度。在墨尔本六年的真实数据上，当仅有单个设备被攻陷时，攻击裕度可以达到百分之五十四；即便三分之一的设备同时被攻陷，裕度仍有百分之十九而未被完全击穿。值得注意的是，该系统所覆盖的路网中，只有百分之一点一八的可步行路段装有计量设备，稀疏观测条件下的防护能力因此尤为关键。

作者还做了一项关键的消融对比：把街道图替换为单纯的距离图之后，攻击裕度骤降到百分之九。这说明性能增益主要来自流量守恒这一物理规律，而不是来自空间上的邻近性。换句话说，真正起到防护作用的是对物理机理的建模，而非图结构本身的局部连接方式，这一结论也为其他城市感知任务的设计提供了参考。

从开发者视角看，这项工作的价值在于给城市感知系统提供了一条可落地的数据完整性路线：以守恒律同时作为孪生的训练约束与检测约束，用保形校准给出可解释的报警阈值，并借助攻击裕度这类指标定量评估防护效果。随着数字孪生越来越多地被用于承载公共决策，如何让孪生具备识别被污染输入的能力，正在成为与建模精度同等重要的工程课题。对于构建城市级感知平台的团队而言，把物理约束与统计校准结合起来的思路，具备较强的复用潜力。