基于车辆状态估计的自动驾驶网络攻击检测系统及方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114629698A(43)申请公布日2022.06.14(21)申请号202210198620.5(22)申请日2022.03.02(71)申请人南京航空航天大学地址210016江苏省南京市秦淮区御道街29号(72)发明人徐坤豪赵万忠王春燕严伟杰黄恒孟琦康董坤(74)专利代理机构江苏圣典律师事务所32237专利代理师贺翔(51)Int.Cl.H04L9/40(2022.01)G06F17/11(2006.01)权利要求书4页说明书10页附图1页(54)发明名称基于车辆状态估计的自动驾驶网络攻击检测系统及方法(57)摘要本发明公开了一种基于车辆状态估计的自动驾驶网络攻击检测系统及方法，包括：车载加速度传感器、车速传感器、前轮转角传感器、激光雷达传感器、GPS传感器、惯性导航传感器、网络攻击检测模块和网络攻击容错模块；本发明可以面对传感器故障以及网络攻击安全问题进行警告和容错，并且可以检测出具体受攻击的传感器，大大提高了智能车辆的网络安全性。CN114629698ACN114629698A权利要求书1/4页1.一种基于车辆状态估计的自动驾驶网络攻击检测系统，其特征在于，包括：车载加速度传感器、车速传感器、前轮转角传感器、激光雷达传感器、GPS传感器、惯性导航传感器、网络攻击检测模块和网络攻击容错模块；所述车载加速度传感器，用于采集车辆的加速度ac，并将其发送给网络攻击检测模块；所述车速传感器，用于采集车辆的车速v，并将其发送给网络攻击检测模块；所述前轮转角传感器，用于采集车辆的前轮转角δf，并将其发送给网络攻击检测模块；所述激光雷达传感器，用于获取车辆的位置和方向信号，并将其发送给网络攻击检测模块；所述GPS传感器，用于获取车辆的位置信号，并将其发送给网络攻击检测模块；所述惯性导航传感器，用于获取车辆的方向信号，并将其发送给网络攻击检测模块；所述网络攻击检测模块，包括：扩展卡尔曼滤波观测器、残差累积和网络攻击检测器；所述扩展卡尔曼滤波观测器，接收前轮转角传感器、车载加速度传感器、车速传感器、激光雷达传感器、GPS传感器、惯性导航传感器发送的信号，并根据扩展卡尔曼滤波算法估计车辆的方向和位置信号；所述残差累积和网络攻击检测器，根据网络攻击检测方法判断残差累积和与阈值之间的关系，并发送警报信号给网络攻击容错模块；所述网络攻击容错模块，通过判断网络攻击检测模块发送的警报信号，根据表决表判断相应受攻击的传感器，并通过扩展卡尔曼滤波器进行重构处理。2.根据权利要求1所述的基于车辆状态估计的自动驾驶网络攻击检测系统，其特征在于，所述根据表决表判断相应受攻击的传感器具体包括：使用三个扩展卡尔曼滤波观测器及其相应的残差累积和网络攻击检测器来确定受到攻击的传感器；第一个残差累积和网络攻击检测器使用激光雷达传感器和惯性导航传感器测量；第二个残差累积和网络攻击检测器使用GPS传感器和惯性导航传感器测量；第三个残差累积和网络攻击检测器使用GPS传感器、激光雷达及惯性导航传感器测量；11)若三个残差累积和网络攻击检测器均不触发警报，则未发生攻击；12)若仅第三个残差累积和网络攻击检测器触发警报，而第一个残差累积和网络攻击检测器和第二个残差累积和网络攻击检测器未触发警报，则GPS传感器受到攻击；13)若第二个残差累积和网络攻击检测器和第三个残差累积和网络攻击检测器均触发警报，而第一个残差累积和网络攻击检测器未触发警报，则GPS传感器受到攻击，并且真实GPS信号的偏差大或随时间发生变化；14)若第一个残差累积和网络攻击检测器和第三个残差累积和网络攻击检测器均触发警报，而第二个残差累积和网络攻击检测器未触发警报，则激光雷达传感器受到攻击；15)若三个残差累积和网络攻击检测器均触发警报，并且假设最多一个传感器可能受到攻击，则扩展卡尔曼滤波器出现问题。3.一种智能车辆网络攻击安全检测方法，基于权利要求1‑2中任意一项所述系统，其特征在于，步骤如下：(1)建立自动驾驶车辆运动学模型；(2)分别通过激光雷达传感器、GPS传感器、惯性导航传感器获取车辆的方向和位置信号；2CN114629698A权利要求书2/4页(3)根据步骤(1)建立的自动驾驶车辆模型，设计扩展卡尔曼滤波观测器，实时估计车辆的方向和位置信号；(4)建立各传感器攻击模型；(5)根据步骤(2)中各传感器获取的信号、步骤(3)中扩展卡尔曼滤波观测器计算得出的信号以及步骤(4)建立的传感器攻击模型，设计残差累积和网络攻击检测器，实时进行网络攻击的检测；(6)根据表决表判断相应受攻击的传感器，并实时进行信号的重构及网络攻击安全的容错。4.根据权利要求3所述的智能车辆网络攻击安全检测方法，其特征在于，所述步骤(1)中的自动驾驶车辆运动学模型具体为：控