一种用于保障自动驾驶车辆感知安全的异常行为分析框架

作为一种快速发展的信息物理平台，自动驾驶车辆（AVs）在其能力持续扩展的同时正面临越来越多的安全挑战。近年来，攻击者正积极针对自动驾驶车辆的感知传感器发起复杂攻击，这些攻击不易被车辆控制系统检测到。本工作提出一种异常行为分析方法，用于检测针对自动驾驶车辆的感知传感器攻击。该框架依赖于从基于物理的自动驾驶车辆行为模型中提取的时间特征，以捕捉自动驾驶中车辆感知的正常行为。通过结合基于模型的技术与机器学习算法，所提出的框架能够区分正常与异常的车辆感知行为。为展示该框架在实际中的应用，我们在一个自动驾驶车辆测试平台上进行了深度相机攻击实验，并生成了大规模数据集。我们利用该真实世界数据验证了所提框架的有效性，并公开发布了该数据集。据我们所知，该数据集属同类首创，将成为研究界有效评估其入侵检测技术的宝贵资源。