Sep, 2023

协同车辆感知中的数据伪造：攻击与对策

PDF
TL;DR我们研究了协同感知在连接和自动驾驶车辆（CAVs）中的应用，并提出一种安全分析及应对措施，以识别和减轻由恶意参与者利用虚假数据对感知结果进行干扰的问题。通过真实和模拟场景的实验，我们证明了我们的攻击方式具有较高的成功率，并提出了系统的异常检测方法，可以在一定程度上缓解恶意攻击在现实场景中的影响。
发现论文，激发创造
  • 协同感知：连接和自动驾驶中的挑战、解决方案与机遇

    自动驾驶引起学术界和工业界的广泛关注，但目前的自动驾驶系统大多基于单一车辆，存在较大限制，可能威胁驾驶安全。基于连接和自动驾驶车辆的协作感知被认为是解决这些限制的一种有前景的方法。本文首先确定了协作感知的挑战，如数据共享异步性、数据量和姿态误差等。然后，我们讨论了使用各种技术解决这些挑战的可能方法，并阐述了相关的研究机会。此外，我们提出了一种应对通信效率和延迟问题的方案，即一种通道感知的协作感知框架，通过动态调整通信图并减小延迟，提高感知性能和通信效率。最后，我们进行实验证明了我们提出方案的有效性。

    Jan, 2024

  • 面向连接和自动化车辆的信任感知鲁棒控制与协同

    本文探讨了利用安全框架保障联网自动驾驶汽车网络的安全，通过识别攻击者的关键对策，提出了一个依靠信任框架的控制方案，能够保障安全协调。同时，还提出了 Sybil 攻击的检测和缓解方案，模拟结果表明，我们的方案能够检测 Sybil 攻击并有效缓解其影响。

    May, 2023

  • 自动驾驶中的协同感知数据集调查

    本研究综述了车辆对基础设施（V2I）、车辆对车辆（V2V）和车辆对一切（V2X）的协作感知数据集，重点关注用于自动驾驶车辆感知任务的大规模基准的最新发展。该论文系统地分析了各种数据集，比较了它们在多样性、传感器设置、质量、公开可用性和对下游任务的适用性等方面，同时突出了领域转移、传感器设置限制以及数据集多样性和可用性方面的关键挑战。强调了在数据共享和数据集创建方面解决隐私和安全问题的重要性。结论强调了需要全面、全球可访问的数据集以及技术和研究社区的协作努力来克服这些挑战，并充分发挥自动驾驶的潜力。

    Apr, 2024

  • 自动驾驶中基于 LiDAR 的感知的鲁棒性：普遍的黑匣子对抗传感器攻击及对策

    该论文通过第一次研究探索了当前利用 LiDAR 技术的自动驾驶系统的漏洞，并提出了 CARLO 和 SVF 两种方法用于检测和减轻 LiDAR 攻击，其中 SVF 进一步降低了攻击成功率。

    Jun, 2020

  • 检测自适应巡航控制车辆上的隐蔽网络攻击：一种机器学习方法

    为了检测自动驾驶车辆遭受的网络攻击，本论文提出了一个基于交通模型框架和生成对抗网络的异常检测模型，通过实时车辆轨迹数据来识别恶意操作控制命令、传感器测量的虚假数据注入攻击以及拒绝服务攻击。与其他神经网络模型相比，所提出的方法在准确识别具有异常驾驶行为的自适应巡航控制车辆方面具有更高的准确率。

    Oct, 2023

  • 面向连接和自动化车辆的合作感知消息生成

    本文探讨车辆如何使用 V2X 通信交换信息以实现集体感知，介绍了 ETSI 关于集体感知规则的提议，并提出了改进算法以提高 V2X 通信可靠性和 CAVs 的感知。

    Aug, 2019

  • 自动驾驶中基于 LiDAR 的感知遭受对抗性传感器攻击

    本文对自动驾驶汽车中基于 LiDAR 传感器的感知系统进行了首次安全研究，将 LiDAR 欺骗攻击作为威胁模型，并探索了机器学习模型欺骗攻击的可能性，提出了优化方法和算法，同时讨论了针对自动驾驶汽车感知系统、传感器和机器学习模型的防御方向。

    Jul, 2019

  • 面向车辆一切自主驾驶：协作感知综述

    车联网自动驾驶开辟了发展新一代智能交通系统的有前途的方向。合作感知作为实现车联网的必要组成部分，能够克服个体感知的固有局限，包括遮挡和远程感知。我们对车联网场景下的合作感知方法进行了全面的综述，为该领域提供了深入的理解和了解。

    Aug, 2023

  • 互联汽车网络安全的高级分析

    本论文提出了一种完全有效的基于机器学习的方法，用于保护连接车辆免受网络攻击，并针对使用配置规则提取相关信息的不同车辆接口（网络、CAN 和操作系统）进行监测，通过训练出的生成模型检测异常，以探测并诊断出其他现有方法无法发现的异常情况。

    Nov, 2017

  • 5G 及其后续 V2X 网络中的零日攻击检测的联邦学习

    利用深度自编码器方法检测基于良性网络流量模式的攻击，通过联邦学习训练侵入检测系统，同时保护 CAVs 的隐私并减少通信开销。在最新的网络流量数据集上进行的深入实验表明，该系统实现了高检测率，并最小化误报率和检测延迟。

    Jul, 2024