用于大规模自动驾驶车辆网络实时异常检测的可扩展分层AI-区块链框架

由于传感器集成的复杂性、实时性能需求以及分布式通信协议暴露了围绕单个车辆和整个网络安全的巨大攻击面，自动驾驶车辆网络的安全性正面临重大挑战。现有的安全方案无法在可接受的安全/隐私框架内为大规模车辆网络提供亚10毫秒的异常检测和分布式协调。本文介绍了一种三层混合安全架构HAVEN（分层自主车辆增强网络），它将实时本地威胁检测和分布式协调操作解耦。它集成了边缘上的轻量级集成异常检测模型（第一层）、用于在区域范围内聚合威胁情报的拜占庭容错联邦学习（中间层），以及用于确保关键安全协调的选定区块链机制（顶层）。在真实世界的自动驾驶数据集上进行了广泛的实验。通过车辆数量在100到1000之间的大规模模拟，以及不同类型的攻击，如传感器欺骗、干扰和对抗性模型投毒，测试了HAVEN的可扩展性和弹性。实验结果显示，在多模态传感器数据上，检测延迟低于10毫秒，准确率为94%，F1分数为92%；在20%节点受损的情况下验证了拜占庭容错性；并降低了区块链存储开销，保证了足够的差分隐私。所提出的框架通过新颖的三层处理克服了实时安全需求与分布式安全协调之间的重要权衡。HAVEN的可扩展架构在检测准确性和网络弹性方面相比其他方法显示出显著改进。