基于线性时变动态水印的自动驾驶车辆欺骗攻击检测
最优化与控制
2020-01-28 v1 系统与控制
系统与控制
摘要
自动驾驶车辆等信息物理系统（CPS）依赖车载传感器与外部通信来估计自身状态。不幸的是，这些通信使系统易受网络攻击。尽管许多攻击检测方法已开始应对此类问题，但它们仅限于线性时不变（LTI）系统。虽然 LTI 系统模型能准确近似定速与定转弯半径等 CPS（如自动驾驶车辆），但对于变道、转弯和速度变化等更复杂运动则不准确。由于这些更复杂运动更适宜用线性时变（LTV）系统模型而非 LTI 模型描述，近期动态水印（在输入信号中加入私有激励以验证测量值）已被推广至 LTV 系统。然而，该推广不允许控制输入的影响需经若干步才在测量信号中显现的 LTV 系统，亦未考虑自相关的时变效应，且概念验证仅基于简化模型的仿真。本文放宽了输入须在单步内可见的要求，并构造了自相关归一化因子以消除自相关影响。此外，动态水印被应用于 carsim 中的高保真车辆模型与 1/10 比例自动驾驶 rover，以进一步夯实现实系统的概念验证。在每种情形下，车辆均沿具有时变速度与转弯半径的预定路径行驶。结果表明，重放攻击（重放先前记录的测量值）可被 LTV 动态水印以快速且可重复的方式检测。
引用
@article{arxiv.2001.09859,
title = {Detecting Deception Attacks on Autonomous Vehicles via Linear Time-Varying Dynamic Watermarking},
author = {Matthew Porter and Sidhartha Dey and Arnav Joshi and Pedro Hespanhol and Anil Aswani and Matthew Johnson-Roberson and Ram Vasudevan},
journal= {arXiv preprint arXiv:2001.09859},
year = {2020}
}
备注
8 pages, 4 figures. arXiv admin note: text overlap with arXiv:1909.08111