Advances in digitalization have transformed modern control systems by enabling the integration of physical processes with computation and networked communication, allowing for ever-increasing levels of automation. Systems with this tight integration of the physical and digital worlds are often referred to as Cyber-Physical Systems (CPSs), enabling remote operation and interconnection of distributed processes. In such systems, the physical process and the control unit communicate over a network, which introduces vulnerabilities to cyber-attacks. An adversary may interrupt communication, eavesdrop on exchanged information, or manipulate transmitted data, potentially causing remote damage to the physical system. As a result, the security of such systems has become an important research topic in the field of control theory.

In this thesis, we study attacks on networked control systems, such as CPSs, in which an adversary has gained unauthorized access to the communication between the controller and the controlled process, also called the plant. We focus on confidentiality attacks, where the adversary remains passive, without injecting data into the closed-loop process, and instead observes intercepted signals to infer private information from within the controller or the plant. In particular, we consider Linear Time-Invariant (LTI) models for the plant and the controller, where the plant is subject to stochastic disturbances. The thesis is divided into two parts. In the first part, we develop methods for state and unknown input estimation in stochastic systems, independent of the potential use in an adversarial attack. In the second part, we apply these methods to confidentiality attacks, where a passive adversary aims to reconstruct internal states or reference signals from intercepted data.

This thesis makes three main contributions. First, we develop a model-based estimation framework for stochastic LTI systems that yields unbiased, minimum-variance estimates of states and unknown inputs under explicit system-theoretic conditions, by exploiting delayed estimation. Second, we design a data-driven unknown input reconstruction algorithm for Multiple-Input Multiple-Output (MIMO) systems that computes estimates directly from measured data without requiring an explicit system model. Third, we analyze confidentiality attacks on closed-loop systems and derive system-theoretic conditions that characterize when such attacks are feasible. A central result is that the feasibility of both estimation and confidentiality attacks is fundamentally governed by system-theoretic properties such as invariant zeros and strong detectability. These results enable system designers to assess confidentiality risks and identify structural vulnerabilities in networked control systems.

Digitaliseringens framfart har inte bara påverkat samhället, utan har också ökat integrationen mellan fysiska processer, beräkning och nätverkskommunikation, och därmed automatiseringsgraden. Den täta integrationen mellan den fysiska och den digitala världen, i så kallade cyberfysiska system (CPS), möjliggör fjärrstyrning och sammankoppling av distribuerade processer. I sådana system kommunicerar den fysiska processen och styrenheten via ett nätverk, vilket medför sårbarhet mot cyberattacker. En angripare kan avbryta kommunikationen, avlyssna utbytt information eller manipulera överförda data, och därigenom skada det fysiska systemet på distans. Som ett resultat har säkerheten i cyberfysiska system blivit ett viktigt forskningsämne inom reglertekniken.

I den här uppsatsen undersöker vi attacker mot kommunikationsnätverksanslutna styrsystem (som i CPS) där en angripare har fått obehörig tillgång till kommunikationen mellan styrenheten och den styrda processen. Vi fokuserar på konfidentialitetsattacker, där angriparen förblir passiv, utan att injicera data i den slutna processen, och istället bara observerar avlyssnade signaler för att härleda privat information från styrenheten eller anläggningen. I synnerhet beaktar vi linjära tidsinvarianta (LTI) modeller för processen och styrenheten, där anläggningen utsätts för stokastiska störningar. Uppsatsen är uppdelad i två delar. I den första delen utvecklar vi metoder för tillstånds- och okänd styrsignalskattning i stokastiska system, utan specifik koppling till attacker. I den andra delen tillämpar vi ovan nämnda metoder i konfidentialitetsattacker, där en angripare ämnar rekonstruera interna tillstånd eller referenssignaler från avlyssnade data.

Uppsatsen har tre huvudsakliga bidrag. För det första utvecklar vi ett modellbaserat ramverk för fördröjd skattning av stokastiska LTI-system med väntevärdesriktiga skattningar med minimal varians av tillstånd och okända styrsignaler under explicita systemteoretiska villkor. För det andra utformar vi en datadriven algoritm för rekonstruktion av okända styrsignaler för MIMO-system (Multiple-Input Multiple-Output), vilken beräknar skattningar direkt från mätdata utan att kräva en explicit systemmodell. För det tredje analyserar vi konfidentialitetsattacker mot slutna system och härleder systemteoretiska villkor för när sådana attacker är genomförbara. Ett centralt resultat är att genomförbarheten av skattning och av konfidentialitetsattacker i grunden beror av systemteoretiska egenskaper såsom invarianta nollställen och stark detekterbarhet. Resultaten gör det möjligt för systemdesigners att bedöma konfidentialitetsrisker och identifiera strukturella sårbarheter i kommunikationsnätverksanslutna reglersystem.