[論文レビュー] A Secure Sensor Fusion Framework for Connected and Automated Vehicles under Sensor Attacks

Tianci Yang, Chen Lv|arXiv (Cornell University)|Mar 1, 2021

Smart Grid Security and Resilience参考文献 24被引用数 4

ひとこと要約

本稿は、限界のあるセンサ攻撃下でも、推定の正確性、攻撃検出、隔離を実現する、センサの冗長性を活用した、連結・自動運転車両（CAV）向けの安全なセンサ統合フレームワークを提案する。この手法は、攻撃信号に依存しない境界付きの推定誤差を保証し、推定誤差と通信ノイズの両方に起因するプラトーンの安定性を確保するための$H_{\infty}$コントローラーを統合している。数値シミュレーションでは100％の攻撃検出と、効果的なストリング安定制御を示した。

ABSTRACT

By using various sensors to measure the surroundings and sharing local sensor information with the surrounding vehicles through wireless networks, connected and automated vehicles (CAVs) are expected to increase safety, efficiency, and capacity of our transportation systems. However, the increasing usage of sensors has also increased the vulnerability of CAVs to sensor faults and adversarial attacks. Anomalous sensor values resulting from malicious cyberattacks or faulty sensors may cause severe consequences or even fatalities. In this paper, we increase the resilience of CAVs to faults and attacks by using multiple sensors for measuring the same physical variable to create redundancy. We exploit this redundancy and propose a sensor fusion algorithm for providing a robust estimate of the correct sensor information with bounded errors independent of the attack signals, and for attack detection and isolation. The proposed sensor fusion framework is applicable to a large class of security-critical Cyber-Physical Systems (CPSs). To minimize the performance degradation resulting from the usage of estimation for control, we provide an $H_{\infty}$ controller for CACC-equipped CAVs capable of stabilizing the closed-loop dynamics of each vehicle in the platoon while reducing the joint effect of estimation errors and communication channel noise on the tracking performance and string behavior of the vehicle platoon. Numerical examples are presented to illustrate the effectiveness of our methods.

研究の動機と目的

• 連結・自動運転車両（CAV）がセンサ障害および悪意ある攻撃に対して脆弱であるという問題に対処すること。
• 半数未満のセンサが攻撃によって損なわれても、境界付きの推定誤差を保証する、耐障害性の高いセンサ統合アルゴリズムの開発。
• 未知のノイズ境界下で、センサの冗長性とセットメンバーシップフィルタリングを用いて、正確な攻撃検出と隔離を実現すること。
• 推定誤差と通信ノイズの両方の影響を最小限に抑えるために、協調適応クルーズコントロール（CACC）搭載CAV向けに$H_{\infty}$コントローラーを設計すること。
• 多様な攻撃モデルとノイズ条件下での数値シミュレーションを通じて、実世界のシナリオにおけるフレームワークの有効性を検証すること。

提案手法

• 同じ物理量を複数のセンサが測定することで冗長性を構築し、異常な測定値の検出と緩和を可能にする。
• セットメンバーシップフィルタリングを採用し、各センサが真の状態の境界付き不確実性集合を提供し、これらの集合の共通部分によって統合を実現する。
• 攻撃下でも真の状態を境界付き誤差で安定して推定できるように、ルネッジ・オブザーバーのバンクを適用する。
• ノイズ境界の事前知識が不要なロバスト推定アルゴリズムを導入し、実用的応用性を向上させる。
• 推定誤差とチャネルノイズの両方が追従性とストリング安定性に与える影響を最小限に抑えるために、CACCプラトーン向けに$H_{\infty}$コントローラーを設計する。
• 攻撃検出と隔離にはアルゴリズム1を用い、測定集合の不一致に基づいて攻撃を受けていたセンサを特定する。

実験結果

リサーチクエスチョン

• RQ1 CAVにおいて、限界のあるセンサ攻撃下でも、センサの冗長性を効果的に活用してロバストな状態推定を実現できるか？
• RQ2 ノイズ境界や攻撃信号の事前知識がなくても、攻撃検出と隔離をどのように達成できるか？
• RQ3 推定誤差と通信ノイズの影響を受けるCAVのプラトーンにおいて、どのような制御戦略が安定性と性能を確保できるか？
• RQ4 本稿で提案するセンサ統合フレームワークは、現実的なスプーフィング攻撃およびジャミング攻撃下でも、どれほど正確性と耐性を維持できるか？
• RQ5 $H_{\infty}$制御の統合は、攻撃状態下でのCAVプラトーンにおいて、ストリング安定性と追従性能をどのように向上させるか？

主な発見

• 提案されたセンサ統合アルゴリズムは、半数未満のセンサが攻撃を受けても、境界付きの推定誤差を達成し、悪意ある入力に対して耐性を示す。
• 数値例1では、1台のLiDARにスプーフィング攻撃が加えられても、真の距離$d_i(t)$の推定が真の信号から最小限にずれることで、正常に実行された。
• 例2では、スプーフィング攻撃下で20回中13回の試行で、攻撃隔離アルゴリズムが100％の検出成功率を達成し、超音波センサを正しく隔離した。
• 例3では、$\gamma = 1.5235$、$k_p=0.8700$、$k_d=11.1683$、$k_{dd}=0.0009$の$H_{\infty}$コントローラーが、過渡期における追従誤差を低減し、安定したプラトーン動作を確保した。
• シミュレーション結果は、5台の車両からなるプラトーンにおいて、さまざまな動的条件とノイズ環境下でもストリング安定性を確認し、ランダムなセンサ攻撃に対しても耐性を示した。
• フレームワークはLiDAR、レーダー、超音波センサなど多様なセンサタイプと攻撃モデルに適用可能であり、セキュリティが重要な制御システムへの広範な適用可能性を検証した。