基于LGSVL/ Apollo的网络延迟攻击下自动驾驶车辆定位估算

冯敏健，张 辉*，巨志扬，许 庆

（1. 北京航空航天大学 交通科学与工程学院，北京 100191，中国；2. 汽车安全与节能国家重点实验室，清华大学，北京 100084，中国）

自动驾驶汽车（autonomous vehicle）作为复杂的网络物理系统[1]，随着人工智能等技术的发展，在改善交通拥堵情况、促进节能减排以及舒适安全驾驶等方面展现良好的性能，具有广阔应用前景以及潜在社会效益[2]，但在网络安全和隐私方面也迎来新的挑战，严重威胁着人类生命财产安全[3]。定位数据对于自动驾驶汽车尤为重要，其主要依赖于外部设备所传输的数据信息，相比与速度、加速度等其他数据更容易受到攻击[4,5]。延迟攻击（delay attack）作为一种常见的网络攻击（cyber-attack）形式，通过破坏定位信息的实时性引发系统故障与崩溃，进行数据延迟条件下的定位信息估计研究有重要的意义。

数据延迟及其相关问题广泛应用Kalman状态估计器来解决[6]，实现最优估计需要满足多种条件，如系统模型精确匹配、噪声为Gaussian白噪声、初始状态以及噪声统计特性已知，反之则表现出较差的性能[7]。有限脉冲响应（finite impulse response，FIR）估计器是另一种有效状态估计的方法[8-10]，近年来广泛应用于信号处理与控制领域[11-14]，但很少有研究学者将其应用于处理延迟网络攻击下的系统状态估计，在FIR中的无偏差有限脉冲响应（unbiased finite impulse response，UFIR）忽略了噪声统计特性以及初始状态信息，具有较强的鲁棒性[15-16]，用于处理延迟网络攻击下的状态估计问题具有较大的潜力。

面向“ 高级驾驶辅助系统（advanced driving assistance system，ADAS）”的虚拟仿真测试工具如PreScan、CarMaker等主要用于汽车电子电器设备功能安全的测试与验证，偏向于车辆动力性能仿真能力的研发，搭建自动驾驶相关仿真实验较为复杂[17]。……