面向自动驾驶车辆的基于预测的 GNSS 欺骗攻击检测
机器人学
2022-03-10 v1 密码学与安全
机器学习
摘要
全球导航卫星系统（GNSS）利用卫星和无线电通信为自动驾驶车辆（AVs）提供定位、导航与授时（PNT）服务。由于缺少加密、粗捕获（C/A）码开放获取以及信号强度低，GNSS 易受欺骗攻击，危及 AV 的导航能力。欺骗攻击难以检测，因为欺骗者（实施欺骗攻击的攻击者）可模拟 GNSS 信号并向 AV 发送不准确的定位坐标。本研究中，我们开发了一种使用长短期记忆（LSTM）模型（一种循环神经网络模型）的基于预测的欺骗攻击检测策略。LSTM 模型用于预测自动驾驶车辆连续两个位置间行驶的距离。为开发 LSTM 预测模型，我们使用了公开可用的真实世界 comma2k19 驾驶数据集。训练数据集包含从 AV 的控制器局域网络（CAN）、GNSS 和惯性测量单元（IMU）传感器提取的不同特征（即加速度、方向盘转角、速度和连续两位置间行驶距离）。基于预测的自动驾驶车辆当前位置与紧邻未来位置间行驶距离，利用 GNSS 设备定位误差及与当前位置到紧邻未来位置间行驶距离相关的预测误差（即最大绝对误差）建立阈值。我们的分析表明，该基于预测的欺骗攻击检测策略可实时成功检测攻击。
引用
@article{arxiv.2010.11722,
title = {Prediction-Based GNSS Spoofing Attack Detection for Autonomous Vehicles},
author = {Sagar Dasgupta and Mizanur Rahman and Mhafuzul Islam and Mashrur Chowdhury},
journal= {arXiv preprint arXiv:2010.11722},
year = {2022}
}
备注
16 pages, 9 figures, paper accepted for the presentation at the Transportation Research Board 100th Annual Meeting