随着勒索软件和其他网络攻击在世界范围内不断增加，系统操作员更加关注复杂的“虚假数据注入”攻击，黑客向他们提供虚假数据以欺骗计算机系统人们认为他们在正常运作。攻击者随后破坏了工厂关键机械的功能，导致其发生故障或失灵。当安保人员意识到他们被骗时，为时已晚，并造成了灾难性的后果。普渡大学的HanyAbdel-Khalik提出了一个强大的对策：让运行这些网络物理系统的计算机模型具有自我意识和自我修复能力。利用这些系统数据流中的背景噪声，Abdel-Khalik和他的学生嵌入了不可见的、不断变化的一次性信号，将被动组件转变为主动观察者。即使攻击者拥有系统模型的完美副本，任何引入伪造数据的尝试都会立即被系统本身检测到并拒绝，无需人工响应。如今，能源、水和制造业的关键基础设施系统使用先进的计算技术，包括机器学习、预测分析和人工智能。员工使用这些模型来监控他们机器的读数并验证它们是否在正常范围内，即所谓的“数字双胞胎”。数据监控模型的重复模拟有助于系统操作员确定真正的错误何时发生。但是用于控制核反应堆和其他关键基础设施的模拟器很容易获得。还有一个长期存在的风险，即系统内部可以访问控制模型及其数字双胞胎的人可能会尝试偷袭。为了阻止这种策略，Abdel-Khalik和三年级核工程研究生ArvindSundaram找到了一种将信号隐藏在系统不可观察的“噪声空间”中的方法。控制模型处理数千个不同的数据变量，但实际上只有一小部分用于影响模型输出和预测的核心计算。通过稍微改变这些非必要变量，他们的算法会生成一个信号，以便系统的各个组件可以验证传入数据的真实性并做出相应的反应。
