随着勒索软件和世界各地其他网络攻击的增加，系统运营商更加担心复杂的 "虚假数据注入 "攻击，即黑客向其提供虚假的数据，欺骗电脑系统和人员，使其认为操作正常。然后，攻击者扰乱了工厂关键机器的功能，导致其运行不良或故障。当安全人员意识到他们被欺骗时，为时已晚，造成了灾难性的后果。

普渡大学的Hany Abdel-Khalik想出了一个强有力的对策：使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音，Abdel-Khalik和他的学生嵌入了无形的、不断变化的、一次性使用的信号，将被动的组件变成主动的观察者。即使攻击者拥有一个完美的系统模型副本，任何试图引入伪造数据的行为都会被系统本身立即发现并拒绝，不需要人类的回应。

今天，能源、水和制造业的关键基础设施系统都使用先进的计算技术，包括机器学习、预测分析和人工智能。员工们使用这些模型来监测其机器的读数，并验证它们是否在正常范围内，即所谓的"数字双胞胎"。数据监测模型的重复模拟，帮助系统操作员确定何时出现真正的错误。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地获得。还有一个常年存在的风险是，系统内部的某个人，如果能够接触到控制模型及其数字孪生体，就可以尝试进行偷袭。

为了挫败这种策略，Abdel-Khalik和核工程专业三年级的研究生Arvind Sundaram找到了一种方法，将信号隐藏在系统不可观察的"噪声空间"中。控制模型要处理成千上万个不同的数据变量，但其中只有一小部分实际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的变量，他们的算法产生了一个信号，这样系统的各个组成部分就可以验证进来数据的真实性并作出相应的反应。（文章来源：安全信息服务平台）