汽车功能安全：面向敏感指令攻击场景的自主驾驶车辆路径规划风险缓解控制

doi:10.3901/JME.2024.10.302

机械工程学报 ›› 2024, Vol. 60 ›› Issue (10): 302-316.doi: 10.3901/JME.2024.10.302

扫码分享

汽车功能安全：面向敏感指令攻击场景的自主驾驶车辆路径规划风险缓解控制

林晨^1,2,3, 魏洪乾^1,2,4, 荆威^1,2, 张幽彤^1,2,3

1. 北京理工大学机械与车辆学院北京 100081;
2. 清洁车辆北京市重点实验室北京 100081;
3. 北京理工大学长三角研究院嘉兴 314000;
4. 汽车测控与安全四川省重点实验室成都 610039

收稿日期:2023-07-01 修回日期:2023-11-20 出版日期:2024-05-20 发布日期:2024-07-24
作者简介:林晨,男,2000年出生。主要研究方向为智能网联汽车的信息安全及功能安全等。
E-mail:bitlinchen@qq.com
魏洪乾(通信作者),男,1992年出生,博士,预聘助理教授,硕士研究生导师。主要研究方向为智能网联汽车的信息安全和汽车动力学控制及功能安全等。
E-mail:bit_hongqian@126.com
荆威,男,1999年出生。主要研究方向为智能网联汽车的轨迹跟踪控制等。
E-mail:jweichris@163.com
张幽彤,男,1965年出生,博士,教授,博士研究生导师。主要研究方向为智能驾驶汽车内部异构网络轻量化安全防护、智能农机电驱动集成系统与自主驾驶系统等。
E-mail:youtong@bit.edu.cn
基金资助:
国家重点研发计划(2021YFB3101500)、国家自然科学基金(52202461)、中国博士后自然科学基金(2022TQ0032，2022M710380)、汽车新技术安徽省工程技术研究中心开放基金(QCKJ202202A)和汽车测控与安全四川省重点实验室开放基金(QCCK2023-001)资助项目。

Automotive Functional Safety: Risk Mitigation Control of Path Planning for Autonomous Vehicles towards Sensitive Command Attack Scenarios

LIN Chen^1,2,3, WEI Hongqian^1,2,4, JING Wei^1,2, ZHANG Youtong^1,2,3

1. School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081;
2. Key Laboratory of Low Emission Vehicles in Beijing, Beijing 100081;
3. Yangtze Delta Region Academy, Beijing Institute of Technology, Jiaxing 314000;
4. Vehicle Measurement, Control and Safety Key Laboratory of Sichuan Province, Chengdu 610039

Received:2023-07-01 Revised:2023-11-20 Online:2024-05-20 Published:2024-07-24

摘要/Abstract

摘要： 为解决敏感动作指令攻击诱导的路径规划失效与跟踪控制失稳问题，提出一种基于状态解耦与实时模型预测控制相结合的自主驾驶车辆路径规划风险缓释控制方法。首先，从汽车的横向、纵向及航向等三个自由度进行风险解耦判断，并引入了网络风险因子和阻断风险因子对汽车可能遭受的敏感指令攻击风险进行量化评估；然后，将风险因子引入模型预测控制中的局部路径规划模块，对其惩罚函数进行实时修正，规划出考虑动态网络攻击风险的局部最优参考路径；此外，还在轨迹跟踪层加入基于阈值驱动的主备冗余总线切换机制，缓解敏感动作指令攻击对汽车操控能力的恶性破坏；最后，引入三种常见的敏感动作集攻击场景进行有效性验证。测试结果表明，在加速动作指令攻击场景和制动动作指令攻击场景下，与没有缓解控制的方案相比，所提方案能够缓解约31%的速度急剧变化，有效地规避汽车的纵向驾驶风险和横向失稳问题；此外，面向转向动作指令攻击时，所提方案可以制止错误的转向过程，阻止汽车发生碰撞事故。

关键词: 智能网联汽车, 自主驾驶, 路径规划, 网络攻击, 主动安全

Abstract: A risk mitigation control strategy for autonomous driving vehicles is proposed based on the state decoupling and real-time model predictive control(MPC) to address the problem of path planning failure and tracking instability resulting from sensitive command attacks. Firstly, the potential risks in the lateral, longitudinal, and heading states are decoupled to design network risk index and network block risk index. These indices quantitatively assess the risk of sensitive command attacks of an autonomous vehicle. Secondly, the network risk index is introduced into the local path planner based on MPC, which real-time modifies the penalty functions and plan the locally optimal reference path with consideration of the dynamic network attack risks. Additionally, a threshold-driven redundant bus switching mechanism is added to the trajectory tracking layer to mitigate the harmful effects of sensitive command attacks on vehicle control ability. Finally, three common scenarios of sensitive command attack sets are used to validate the effectiveness of the proposed strategy. The results show that the proposed strategy can mitigate approximately 31% of sudden speed changes and prevent longitudinal driving risk and lateral instability in the scenarios of acceleration and braking command attacks compared with the non-mitigated scheme. Furthermore, for steering command attacks, the proposed strategy can halt the incorrect steering process and effectively prevent collision accidents.

Key words: intelligent connected vehicles, autonomous driving, path planning, network attack, active safety

中图分类号:

TG156

林晨, 魏洪乾, 荆威, 张幽彤. 汽车功能安全：面向敏感指令攻击场景的自主驾驶车辆路径规划风险缓解控制[J]. 机械工程学报, 2024, 60(10): 302-316.

LIN Chen, WEI Hongqian, JING Wei, ZHANG Youtong. Automotive Functional Safety: Risk Mitigation Control of Path Planning for Autonomous Vehicles towards Sensitive Command Attack Scenarios[J]. Journal of Mechanical Engineering, 2024, 60(10): 302-316.

参考文献

[1] 郄广，张岩. 智能车与网联技术分析[J]. 移动通信，2020，44(1):80-85. XI Guang，ZHANG Yan. Analysis of Intelligent vehicle and connected technology[J]. Mobile Communications，2020，44(1):80-85.
[2] 冯志杰，何明，李彬，等. 汽车信息安全攻防关键技术研究进展[J]. 信息安全学报，2017，2(2):1-14. FENG Zhijie，HE Ming，LI Bin，et al. Research progress on key technologies of automotive information security attack and defense[J]. Journal of Information Security，2017，2(2):1-14.
[3] 丁达，曹杰. 信息物理融合系统网络安全综述[J]. 信息与控制，2019，48(5):513-521，527. DING Da，CAO Jie. Overview of network security in cyber-physical systems[J]. Information and Control，2019，48(5):513-521，527.
[4] MOHAMMAD S，FAEZEH F，ALIREZA J，et al. Cyber attacks via consumer electronics:Studying the threat of covert malware in smart and autonomous vehicles[J]. IEEE Transactions on Consumer Electronics，2023， 69(4):1.
[5] Keen Security Lab Blog. Car hacking research:Remote attack tesla motors[EB/OL]. [2016-09-19]. https://keenlab.tencent.com.
[6] YANG Diange，JIANG Kun，ZHAO Ding，et al. Intelligent and connected vehicles:Current status and future perspectives[J]. Science China-Technological Sciences，2018，61(10):1446-1471.
[7] ALNABULSI H，ISLAM R. Protecting code injection attacks in intelligent transportation system[C]//Trust Security and Privacy in Computing and Communications. Piscataway:IEEE Press，2019:799-806.
[8] 我国积极探索车联网安全保障体系建设[J]. 信息网络安全，2021，21(9):99. Exploration of vehicle-to-everything security system construction in China[J]. Information Network Security，2021，21(9):99.
[9] WOO S，SEOU L，HYO J，et al. A practical wireless attack on the connected car and security protocol for in-vehicle CAN[J]. IEEE Transactions on Intelligent Transportation Systems，2015，16(2):993-1006.
[10] 吴武飞，李仁发，曾刚，等. 智能网联车网络安全研究综述[J]. 通信学报，2020，41:161-174. WU Wufei，LI Renfa，ZENG Gang，et al. Overview of network security research on intelligent connected vehicles[J]. Journal on Communications，2020，41:161-174.
[11] 孙扬威，戚湧. 基于聚类混合采样与PSO-Stacking的车载CAN入侵检测方法[J]. 计算机工程，2023，49(1):138-145. SUN Yangwei，QI Yong. Intrusion detection method for vehicle CAN based on clustering mixture sampling and PSO-Stacking[J]. Computer Engineering，2023，49(1):138-145.
[12] 王鹏，翟浡琨，李玉峰，等. 基于动态异构冗余架构的车载网络内生安全机制[J]. 电子与信息学报，2023，45(1):272-281. WANG Peng，ZHAI Bokun，LI Yufeng，et al. Endogenous security mechanism for vehicular networks based on dynamic heterogeneous redundant architecture[J]. Journal of Electronics and Information Technology，2023，45(1):272-281.
[13] TIAN Guan，YI Han，NAN Kang，et al. An overview of vehicular cybersecurity for intelligent connected vehicles[J]. Sustainability，2022，14(9):5211.
[14] XU Wenda，PAN Jia，WEI Junqiang，et al. Motion planning under uncertainty for on-road autonomous driving[C]//ICRA 2014:Proceedings of the 2014 IEEE International Conference on Robotics and Automation. Piscataway. NJ:IEEE，2014:2507-2512.
[15] 魏洪乾，王洪荣，赵文强，等. 考虑网络诱导时延的电动汽车主动安全控制策略[J]. 北京理工大学学报，2022，42(8):798-808. WEI Hongqian，WANG Hongrong，ZHAO Wenqiang，et al. Active safety control strategy for electric vehicles considering induced network delay[J]. Journal of Beijing Institute of Technology，2022，42(8):798-808.
[16] YOSHIAKI K，JUSTIN T，GASTON F. Real-time motion planning with applications to autonomous urban driving[J]. IEEE Transactions on Control Systems Technology，2009，17(5):1105-1118.
[17] WANG Hong，HUANG Yanjun，AMIR K，et al. Crash mitigation in motion planning for autonomous vehicles[J]. IEEE Transactions on Intelligent Transportation Systems，2019，20(9):3313-3323.
[18] 吴尚则，秦贵和，刘毅，等. 车载控制器局域网络总线的动态口令身份认证方法[J]. 西安交通大学学报，2017，51(6):97-102. WU Shangze，QIN Guihe，LIU Yi，et al. Dynamic password-based identity authentication method for CAN bus of vehicular controller area network[J]. Journal of Xi'an Jiaotong University，2017，51(6):97-102.
[19] 吴静雯，殷新春，宁建廷. 车载自组网中可追踪可撤销的多授权中心属性基加密方案[J]. 计算机应用，2022，42(6):1695-1701. WU Jingwen，YIN Xinchun，NING Jianting. Traceable and revocable multi-authority attribute-based encryption scheme in vehicular ad-hoc networks[J]. Journal of Computer Applications，2022，42(6):1695-1701.
[20] 罗龙，胡凯文，盛丽，等. 基于鱼群优化的车载自组织网络路由算法[J]. 电子科技大学学报，2021，50(4):488-495. LUO Long，HU Kaiwen，SHENG Li，et al. Fish school optimization based routing algorithm for vehicular adhoc networks[J]. Journal of University of Electronic Science and Technology of China，2021，50(4):488-495.
[21] 宋秀兰，漏小鑫，孟利民，等. 虚假数据注入攻击下网联车辆自适应巡航状态安全估计[J]. 高技术通讯，2021，31(3):249-256. SONG Xiulan，LOU Xiaoxin，MENG Limin，et al. Adaptive cruise control state safety estimation of vehicular networks under false data injection attacks[J]. High Technology Letters，2021，31(3):249-256.
[22] 易星，曹青松，李香芹. 网络攻击下的智能网联汽车路径跟踪鲁棒控制[J]. 机械设计，2023，40(5):36-42. YI Xing，CAO Qingsong，LI Xiangqin. Robust control of intelligent connected vehicle path tracking under network attacks[J]. Mechanical Design，2023，40(5):36-42.
[23] 吴新开，何山，张少伟，等. 一种网络攻击下网联自动车的改进换道模型[J]. 同济大学学报(自然科学版)，2022，50(12):1715-1727. WU Xinkai，HE Shan，ZHANG Shaowei，et al. An improved lane-changing model for connected automated vehicles under network attacks[J]. Journal of Tongji University(Natural Science Edition)，2022，50(12):1715-1727.
[24] 龚建伟. 无人驾驶车辆模型预测控制[M]. 2版. 北京:人民邮电出版社，2020. GONG Jianwei. Model predictive control for autonomous vehicles[M]. 2nd ed. Beijing:Posts and Telecom Press，2020.
[25] 阳鑫，唐小林，杨凯，等. 极限工况下无人驾驶车辆运动规划策略研究[J]. 机械工程学报，2022，58(22):349-359. YANG Xin，TANG Xiaolin，YANG Kai，et al. Motion planning strategy for autonomous vehicles under extreme working conditions[J]. Journal of Mechanical Engineering，2022，58(22):349-359.
[26] 胡勤明，王金刚，张小俊. 五次多项式优化的平行泊车路径规划[J]. 计算机工程与应用，2022，58(14):291-298. HU Qinming，WANG Jingang，ZHANG Xiaojun. Parallel parking path planning using quintic polynomial optimization[J]. Journal of Computer Engineering and Applications，2022，58(14):291-298.
[27] 张海春，姜荣帅，王颉，等. 基于熵的车载CAN总线异常检测研究[J]. 汽车工程，2021，43(10):1543-1548. ZHANG Haichun，JIANG Rongshuai，WANG Jie，et al. Study on abnormal detection of in-vehicle CAN bus based on entropy[J]. Automotive Engineering，2021，43(10):1543-1548.
[28] EIICHI O，SHIGEYUKI H，HOANG D，et al. Bifurcation in vehicle dynamics and robust front wheel steering control[J]. IEEE Transactions on Control Systems Technology，1998，6(3):412-420.

汽车功能安全：面向敏感指令攻击场景的自主驾驶车辆路径规划风险缓解控制

Automotive Functional Safety: Risk Mitigation Control of Path Planning for Autonomous Vehicles towards Sensitive Command Attack Scenarios

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	邓建新, 袁邦颐, 黄秋林, 丁度坤, 辛曼玉, 刘光明. 基于工业机器人的复杂曲面磨抛关键技术综述[J]. 机械工程学报, 2024, 60(7): 1-21.
[2]	张伟民, 徐森生, 张月. 基于改进A^*算法的室内巡检机器人路径规划研究[J]. 机械工程学报, 2024, 60(20): 315-326.
[3]	王晓飞, 许家忠, 丁亮, 黄成, 杨怀广, 刘美军. 趋向性锁链式路径规划算法[J]. 机械工程学报, 2024, 60(19): 53-61.
[4]	徐文琳, 彭羽, 何智成, 姜潮. 复杂路径规划的机构分区运动学拓扑构型设计[J]. 机械工程学报, 2024, 60(11): 62-73.
[5]	闫守鑫, 王伟, 苏鹏飞, 贠超. 大型复杂锻件打磨路径的智能化规划方法[J]. 机械工程学报, 2024, 60(11): 216-225.
[6]	张海伦, 许庆, 高博麟, 王建强, 李克强. 网联环境下驾驶人响应机制——一种交叉路口接近行为定性效应分析与定量驾驶模式提取案例[J]. 机械工程学报, 2024, 60(10): 22-47.
[7]	李琳, 赵万忠, 王春燕. 基于Bi-GLSTM网络的车辆驾驶意图分析与识别[J]. 机械工程学报, 2024, 60(10): 51-63.
[8]	戢杨杰, 张馨雨, 杨紫茹, 周上航, 黄岩军, 曹建永, 熊璐, 余卓平. 多智能网联汽车轨迹规划：现状与展望[J]. 机械工程学报, 2024, 60(10): 129-146.
[9]	胡林, 杨冬兆, 张新, 章杰, 廖家才. 基于DQP-LMPC的智能车超车换道动态路径规划[J]. 机械工程学报, 2024, 60(10): 171-181.
[10]	白先旭, 潘宇翔, 陈浩, 李维汉, 石琴. 智能网联汽车预期功能安全风险评估3σ接受准则[J]. 机械工程学报, 2024, 60(10): 182-191.
[11]	聂士达, 刘辉, 廖志昊, 谢雨佳, 项昌乐, 韩立金, 林思豪. 考虑复杂地形的越野环境无人车辆路径规划研究[J]. 机械工程学报, 2024, 60(10): 261-272.
[12]	谭征宇, 张瑞佛, 刘芝孜, 金奕, 贺刚. 智能网联汽车人机交互信任研究现状与展望[J]. 机械工程学报, 2024, 60(10): 366-383.
[13]	王博, 罗禹贡, 赵超, 王永胜. 面向预期功能安全的汽车队列主动容错控制[J]. 机械工程学报, 2024, 60(10): 384-398.
[14]	魏洪乾, 时培成, 张幽彤. 汽车信息安全：面向总线网络的伪造攻击检测技术[J]. 机械工程学报, 2024, 60(10): 476-486.
[15]	普雪洁, 张建辉, 李建勇, 张健楠. 复杂技术系统隐性冲突求解路径规划方法[J]. 机械工程学报, 2024, 60(1): 309-328.