[논문 리뷰] A Secure Sensor Fusion Framework for Connected and Automated Vehicles under Sensor Attacks

Tianci Yang, Chen Lv|arXiv (Cornell University)|2021. 03. 01.

Smart Grid Security and Resilience참고 문헌 24인용 수 4

한 줄 요약

이 논문은 연결형 및 자율주행 차량(CAVs)을 위한 보안적인 센서 융합 프레임워크를 제안하며, 센서의 다중성을 활용하여 유한한 공격 상황에서도 견고한 추정, 공격 탐지 및 격리 기능을 제공한다. 이 방법은 공격 신호와 무관하게 유한한 추정 오차를 보장하며, 추정 오차와 통신 노이즈에 의해 영향을 받는 플라토온의 안정성을 확보하기 위해 $H_{\infty}$ 제어기를 통합하여 수치 시뮬레이션에서 100%의 공격 탐지 성능과 효과적인 스트링 안정 제어를 입증하였다.

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.

연구 동기 및 목표

• 연결형 및 자율주행 차량(CAVs)이 안전성과 시스템 무결성을 해칠 수 있는 센서 고장 및 악성 공격에 취약한 점을 해결하기 위해.
• 공격에 의해 절반 이하의 센서가 손상되더라도 유한한 추정 오차를 보장하는 견고한 센서 융합 알고리즘을 개발하기 위해.
• 알 수 없는 노이즈 한계 조건 하에서 센서 다중성과 세트-멤버십 필터링을 활용해 정확한 공격 탐지 및 격리를 가능하게 하기 위해.
• 추정 오차와 통신 노이즈의 병합 영향을 최소화하고 플라토온 동역학을 안정화시키기 위해, 협동 적응형 크루즈 컨트롤(CACC)을 탑재한 CAVs를 위한 $H_{\infty}$ 제어기를 설계하기 위해.
• 다양한 공격 모델과 노이즈 조건 하에서 실제 시나리오를 시뮬레이션하여 프레임워크의 효과성을 검증하기 위해.

제안 방법

• 동일한 물리적 변수를 측정하는 다수의 센서를 활용하여 다중성을 생성함으로써, 비정상적인 독립 측정값을 탐지 및 완화할 수 있도록 한다.
• 각 센서가 진정된 상태에 대해 유한한 불확실성 집합을 제공하는 세트-멤버십 필터링 접근법을 적용하며, 융합은 이러한 집합의 교차를 통해 이루어진다.
• 공격 조건 하에서도 유한한 오차를 보장하기 위해, 루엔버거 관측기의 집합을 활용해 진정된 상태를 견고하게 추정한다.
• 노이즈 한계에 대한 사전 지식이 없이도 작동하는 견고한 추정 알고리즘을 도입하여 실용적 적용성을 향상시킨다.
• 추정 오차와 채널 노이즈의 병합 영향을 최소화하고 폐루프 안정성을 확보하기 위해 CACC 플라토온을 위한 $H_{\infty}$ 제어기를 설계한다.
• 알고리즘 1을 사용해 공격 탐지 및 격리를 수행하며, 측정 집합의 일관성 부족을 기반으로 공격을 받은 센서를 식별한다.

실험 결과

연구 질문

• RQ1 CAVs에서 유한한 센서 공격 상황 하에서도 센서 다중성을 효과적으로 활용해 견고한 상태 추정을 달성할 수 있는가?
• RQ2 노이즈 한계나 공격 신호에 대한 사전 지식 없이 공격 탐지 및 격리를 어떻게 달성할 수 있는가?
• RQ3 CAVs에서 추정 오차와 통신 노이즈가 존재하는 상황에서도 플라토온 안정성과 성능을 보장하는 제어 전략은 무엇인가?
• RQ4 제안된 센서 융합 프레임워크는 현실적인 스푸핑 및 조작 공격 상황에서도 정확성과 내성성을 어느 정도 유지할 수 있는가?
• RQ5 $H_{\infty}$ 제어의 통합이 공격 조건 하에서 CAV 플라토온의 스트링 안정성과 추적 성능을 어떻게 향상시키는가?

주요 결과

• 제안된 센서 융합 알고리즘은 센서의 절반 이하가 공격을 받는 상황에서도 유한한 추정 오차를 달성하여 악성 입력에 대한 내성성을 보장한다.
• 수치 예제 1에서 융합 알고리즘이 하나의 LiDAR에 대한 스푸핑 공격에도 불구하고 진짜 신호에서 최소한의 편차로 진짜 거리 $d_i(t)$를 성공적으로 추정하였다.
• 예제 2에서는 공격 격리 알고리즘이 스푸핑 공격 하에서 20회의 시험 중 13회에서 정확하게 초음파 센서를 격리하여 100%의 탐지 성공률을 달성하였다.
• 예제 3에서는 $\gamma = 1.5235$ 및 이득 $k_p=0.8700$, $k_d=11.1683$, $k_{dd}=0.0009$를 가진 $H_{\infty}$ 제어기가 안정적인 플라토온 행동을 보장하고 일시적인 단계 동안 추적 오차를 감소시켰다.
• 시뮬레이션 결과는 다양한 동역학과 노이즈 조건 하에서 5대의 차량으로 구성된 플라토온 전역에 걸쳐 스트링 안정성 행동과 노이즈에 대한 내성성을 확인하였다.
• 프레임워크는 LiDAR, 레이더, 초음파 센서 등 다양한 센서 유형과 공격 모델에 대해 효과성을 입증하여 보안이 중요한 CPS에 광범위하게 적용 가능함을 입증하였다.