边缘计算实现的全球定位系统欺骗检测方案
2020-11-11 来源:elecfans
“目前GNSS欺骗检测方法有很多,但是大多数方法需要较强的信号处理能力和附加设备,例如接收器,这些附加设备可能不适用于车辆和智能手机。本文提出了一种新的基于边缘计算的方法来重建丢失的全球定位系统信号。基本思想是在边缘节点收集信息,并使用它们来交叉验证从卫星接收的全球定位系统信号。如果有任何欺骗攻击的证据,我们的方法可以在信号不可用或不可信时重建GPS 信号。因此,这种方法可以作为一个备用计划,以应对全球定位导航系统的故障。基于真实的驾驶数据,我们可以重建平均误差为6 米的驾驶路线。这足以准确检测所有模拟的 GPS 欺骗攻击。”
图表 1 航向与方向盘角度的回归结果
三、 实验评估
首先,我们从真实的道路测试中收集驾驶信息以及全球定位系统信号。然后,我们使用上面讨论的方法用驾驶信息构建路线。最后,我们需要确定验证方法是否能够检测到全球定位系统欺骗攻击。这可以通过用误导性的全球定位系统信号模拟攻击来实现。接下来,我们执行检测算法并验证检测率。
A.驾驶信息数据集
我们通过 OpenXC 平台获取驾驶数据,Openxc 平台是开源硬件和软件的结合,允许客户使用定制应用程序和可插拔模块扩展车辆。它使用标准的、众所周知的工具向开发人员开放车辆的大量数据,甚至超过 OBD-II。OpenXC 允许智能手机等设备从任何车辆上访问数据。使用 OpenXC 用户可以监控和读取车辆上许多传感器的数据,从而实现以车辆为中心的应用的创新。OpenXC 提供了丰富的数据集,包括速度、转向位置、制动位置和来自传感器的全球定位系统信号。这个丰富的数据集有助于前面讨论的全球定位系统欺骗检测方案。
B. 实验结果:
1)模型验证:在 OpenXC 模块的帮助下,我们从一辆真正的汽车上收集了 15 条路线的驾驶数据。测试路线设计为 10-20 分钟长,有各种行驶路况。随着 OpenXC 硬件演示插头插入车辆,我们从 OBDII 板收集数据,并记录在手机应用程序上。
第一步是模拟转向和航向之间的关系。通过使用 5000 个单个数据点进行训练,我们得到了如图 1 所示的转向和航向之间的线性关系。定义明确的检测器最重要的因素是检测阈值, 我们将通过计算真实全球定位系统信号和重建位置之间的误差来定义阈值。更具体地说,我们根据全球定位系统信号评估所构建的路线和位置之间的欧几里德距离误差。为了使信号在形式表示上一致,我们通过计算大圆距离将全球定位系统信号从度映射到相对位移。所以 GPS 定位的坐标可以用米表示为 Pg(xg, yg); 相应地,重建的位置表示为 Pr(xr, yr),那么,误差可以定义为 dist(Pr-Pg)=√(xr-xg)2+(yr-yg)2,对于所有测试路线,平均误差为 6.25 米。通过考虑距离真实道路情况的路线距离,我们使用 10 m 作为阈值来检测欺骗攻击。
2) GPS欺骗检测:根据上面讨论的有效检测器的定义,我们现在试图模拟 GPS 欺骗攻击并测量其影响。正如我们之前所说的,进行合法的全球定位系统欺骗攻击和路试一样具有挑战性。因此,我们使用模拟的全球定位系统欺骗攻击来测试我们预期的基准线。我们模拟的全球定位系统攻击包括错误的全球定位系统信号,以误导车辆偏离正确的路线。为了模拟真实的全球定位系统欺骗攻击如何影响车载全球定位系统信号,我们设计了几条偏离真实位置的路线来模拟全球定位系统接收器被欺骗的情况。假路线的速度与真路线的速度相同。袭击会发生在十字路口。例如,当车辆右转时,然而设计的欺骗信号指示它左转,我们发现模拟欺骗攻击的检测准确率为 100%。
- 当AI遇上边缘计算,研华以Edge AI推进嵌入式产业变革
- 研华推出 AIR-310: 采用紧凑型超薄设计的可扩展Edge AI推理系统
- 工业智能网关的边缘计算能力赋能工业4.0
- 边缘计算新引擎:研华×Windows 11 IoT企业版LTSC
- 迈向百亿物联时代,贸泽电子即将亮相IOTE 2024物联网展
- 边缘计算与自动驾驶系统如何结合
- Teledyne e2v的双倍容量宇航级8GB DDR4存储芯片,针对高可靠性的空间应用
- 致企业:边缘AI部署,从未如此简单
- 迎接边缘计算:把计算工作放到重要的地方
- 奕斯伟计算公司在最新的RISC-V边缘计算SoC中将 SiFive CPU、Imagination GPU 和自有 NPU 结合集成