面向自动驾驶车辆的基于传感器融合的 GNSS 欺骗攻击检测框架
密码学与安全
2021-06-08 v1 机器学习
机器人学
摘要
本研究提出了一种基于传感器融合的 GNSS 欺骗攻击检测框架，包含面向自动驾驶车辆（AV）的三种并行策略：（i）位置偏移预测，（ii）转弯（左转或右转）检测，以及（iii）运动状态（含静止状态）识别。来自多个低成本车载传感器（即加速度计、转向角传感器、速度传感器和 GNSS）的数据被融合并输入一个循环神经网络模型，该模型为长短期记忆（LSTM）网络，用于预测位置偏移，即 AV 在两个连续时间戳之间行驶的距离。我们随后结合 k-近邻（k-NN）与动态时间规整（DTW）算法，利用转向角传感器数据检测转弯。此外，利用 AV 速度传感器数据识别其运动状态（含静止状态）。为证明该基于传感器融合的攻击检测框架的有效性，使用公开可用的真实世界 Honda Research Institute Driving Dataset（HDD）为三种独特且复杂的欺骗攻击（逐弯、过冲和停车）创建了攻击数据集。我们的分析表明，该基于传感器融合的检测框架在所需计算延迟阈值内成功检测所有三类欺骗攻击。
引用
@article{arxiv.2106.02982,
title = {Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles},
author = {Sagar Dasgupta and Mizanur Rahman and Mhafuzul Islam and Mashrur Chowdhury},
journal= {arXiv preprint arXiv:2106.02982},
year = {2021}
}