完整性攻击下远程状态估计传感器调度的 rollout 方法

基于摘要分析。本文研究远程状态估计中的传感器通信调度：当远程估计器发送给本地传感器的确认信息（ACK）遭受完整性攻击时，如何权衡通信能耗与状态估计误差协方差。核心贡献是建立部分可观测决策模型，并提出两种基于价值空间近似的 rollout 次优求解方法及其性能界。 作者将原问题表述为具有无限状态的无限时域折扣最优控制问题，先分析无 ACK 攻击时的 Markov decision process（MDP），得到阈值型最优调度结构，再据此以有限状态空间简化问题。对于简化后且 ACK 受攻击的情形，作者采用 partially observable Markov decision process（POMDP）建模，并分析以信念向量为状态的诱导 MDP。作者报告，通过收缩模型研究精确最优解的性质后，POMDP 的阈值型解无法直接获得，因此转向 rollout 近似。 作者报告，数值示例通过与 POMDP 强化学习中常用的有限历史窗口方法比较，展示了所提 rollout 方法的有效性。摘要未提供具体收益、攻击参数、状态转移与观测模型、计算成本或性能界表达式；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：这是一项网络化估计与控制研究，并非神经信号解码方法。若无线 EEG 系统需要依据接收确认调度数据上传，其“通信代价—估计误差—不可靠 ACK”机制可能提供建模参考；可复用的是信念状态决策与 rollout 框架，需改造的是 EEG 状态动力学、观测模型及任务相关失真代价。低信噪比、跨被试变化、通道相关性和小数据下的模型失配可能削弱策略效果。一个可检验的小实验是在固定 EEG 回放数据与传输预算下模拟 ACK 篡改，比较 rollout 与有限历史窗口策略的通信能耗、重建误差及下游任务指标。已有 EEG 相关工作尚未检索确认。