原文传递
无人车车载传感器攻击与攻击检测研究
| 论文题名： | 无人车车载传感器攻击与攻击检测研究 |
| 关键词： | 无人驾驶汽车;车载传感器;攻击检测;深度学习;时间序列 |
| 摘要： | 电子稳定系统（Electronic Stability Program,ESP）已成为常规汽车的标配，它可以在很大程度上提高汽车的稳定性，保障安全驾驶。ESP依靠车载传感器对车辆的行驶状态进行精准采集，一旦传感器遭受攻击并向控制器反馈了虚假的车身姿态信息，将导致系统故障甚至发生严重车祸。本文针对车载传感器开展声波攻击测试以及攻击检测研究，具有一定的现实意义。 本文对ESP系统进行解析与建模，设计基于ESP的攻防测试系统，在此基础上实现传感器攻击、数据检测等功能，进而结合传感器注入攻击提出入侵防护策略，具体内容如下： 首先，本文分析了微机械（Micro Electro Mechanical Systems,MEMS）陀螺仪的结构原理以及陀螺仪传感器谐振频率产生的原因和危害。同时，简化车载ESP系统建模，并构建汽车二自由度模型，以理论横摆角速度为基准设计基于模糊控制的ESP算法。进一步，设计基于横摆角速度的物理装置以及上位机软件，形成一套半实物仿真的ESP攻防测试系统。 其次，在ESP攻防测试系统上设计隐蔽攻击方法。利用陀螺仪传感器的谐振漏洞，采用高频声波对传感器进行非侵入式注入攻击，以达到干扰传感器系统的目的。同时，设计扫频法解决不同型号传感器存在不同谐振频率的情况。为了隐藏相临超声或非超声频率的攻击信号，设计了音乐重编码的方法，并通过该方式制作了一种不易被受害者察觉的隐蔽性攻击音乐。通过测试系统的攻击实验评估，表明即使是小部分关键传感器受到攻击，也会影响车辆的安全行驶，引发甩尾漂移等危险情况。 最后，针对系统传感器的隐蔽性注入攻击，设计了CUSUM-LSTM和两阶段LSTM两种基于深度学习的传感器异常数据检测策略。前者基于对传感器数据的学习，利用误差累积和的方式进行异常数据检测，通过预测值替代虚假数据机制实现传感器系统的快速恢复。后者拥有两个特征学习和检测过程，通过一阶段的多传感器工况学习和检测以及二阶段针对各个工况学习，结合误差累积和进行异常数据检测，帮助恢复传感器系统。通过上述两种检测策略的实验对比分析，表明两种策略可以实现较高的预测准确性，在施加攻击的情况下，后者针对小模型的抗干扰以及预测能力优于前者。 |
| 作者： | 陈焕 |
| 专业： | 测试计量技术及仪器 |
| 导师： | 洪榛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
