基于贝叶斯网络的网联自动驾驶车辆系统级网络攻击脆弱性评估
密码学与安全
2020-11-19 v1 人工智能
系统与控制
系统与控制
应用统计
摘要
本研究提出了一种基于概率图模型量化网联自动驾驶车辆框架下智能交通系统网络攻击及其影响脆弱性的方法。针对所选性能指标，计算了智能信号与协同自适应巡航控制（CACC）应用中各类网络攻击脆弱性及其影响。给出了数值示例，展示了以平均交叉口排队长度、停车次数、平均速度和延误表示的脆弱性影响。在有冗余系统与无冗余系统的信号控制网络中，脆弱性分别可使平均排队和延误增加 和 以及 和 。对于 CACC 应用，当少量速度信息受扰动时，影响水平平均达到 的延误差异。当攻击者插入显著不同的速度特征时，延误差异超过正常交通状况的 。
引用
@article{arxiv.2011.09436,
title = {Assessment of System-Level Cyber Attack Vulnerability for Connected and Autonomous Vehicles Using Bayesian Networks},
author = {Gurcan Comert and Mashrur Chowdhury and David M. Nicol},
journal= {arXiv preprint arXiv:2011.09436},
year = {2020}
}
备注
21 pages, 14 figures