论文标题：Ensuring Secure Platooning of Constrained Intelligent and Connected Vehicles Against Byzantine Attacks: A Distributed MPC Framework

期刊：Engineering

DOI：https://doi.org/10.1016/j.eng.2023.10.007

微信链接：点击此处阅读微信文章

中国工程院院刊《Engineering》发表的一项研究成果，为智能网联汽车（ICVs）在面临拜占庭攻击时的编队安全问题提供了创新性解决方案。来自加拿大维多利亚大学、北京航空航天大学和加拿大魁北克大学的研究人员 Henglai Wei、Hui Zhang、Kamal AI - Haddad 和 Yang Shi 共同提出了一种弹性分布式模型预测队列控制框架，有效提升了受约束 ICVs 在 F 局部拜占庭攻击下的安全性和稳定性。

智能网联汽车的车队控制技术因能降低油耗、提高运输效率而备受关注，但通过车对车（V2V）网络通信的信息易受恶意攻击。拜占庭攻击作为其中的典型威胁，表现为部分车辆故意传播欺骗性数据，破坏车队协调性，甚至引发碰撞事故。在实际应用场景中，这种攻击可能来自内部人员或外部智能体，攻击方式多样，持续时间和频率也不尽相同，严重威胁着车列系统的安全。

针对这些问题，研究团队开发了弹性分布式模型预测车队控制（RDMP2C）框架。该框架创新性地将预先设计的最优控制与分布式模型预测控制（DMPC）优化相结合。在 DMPC 优化过程中，通过设计估计误差集和弹性集，让车辆能够准确检测和识别恶意信息。其中，估计误差集用于限制因信息传输导致的预测状态估计误差，而弹性集则基于估计误差集构建，用于精准识别潜在的拜占庭攻击。

在检测算法方面，研究团队提出的分布式攻击检测算法优势显著。传统的平均序列简化（MSR）算法要求通信网络至少具备（2F+1）鲁棒性，而该算法仅需（F+1）鲁棒图，极大地放宽了网络鲁棒性要求。同时，为恢复受轻微攻击通信链路的可信度，团队还设计了二次验证算法。

图1. 右车道受约束ICV的RDMP2C方案（包括三辆车，即领队车辆0及跟随车辆1和2；N₁={0, 2}，N₂={0, 1}）。该信息通过V2V网络在车辆之间进行广播。请注意，车辆1已经被攻击了。

理论分析层面，研究人员证明了 RDMP2C 算法的递归可行性，并对 ICV 在拜占庭攻击下的收敛性进行了深入分析。仿真实验进一步验证了该框架的有效性。研究人员以 7 辆车组成的车队为例，模拟 1 局部拜占庭攻击场景，设置多种仿真场景进行对比。结果显示，在没有攻击检测机制的情况下，传统 DMPC 方法无法实现弹性车队控制；而采用 RDMP2C 框架，不仅能成功检测和丢弃敌对信息，还能确保普通车辆保持稳定的弹性编队，在保证约束满足的同时，实现了最优性和约束满足之间的平衡。

这一研究成果为智能网联汽车在复杂网络环境下的安全运行提供了有力保障，未来有望拓展应用于更复杂的环境和灵活的 ICV 编队问题。随着智能网联汽车技术的发展，该研究成果将为自动驾驶的安全性和可靠性提供重要的技术支撑，推动行业向更加安全、高效的方向发展。

引用信息：

Henglai Wei, Hui Zhang, Kamal AI-Haddad, Yang Shi. Ensuring Secure Platooning of Constrained Intelligent and Connected Vehicles Against Byzantine Attacks: A Distributed MPC Framework. Engineering, 2024, 33(2): 35–46

Open access

开放获取论文

https://www.engineering.org.cn/engi/EN/10.1016/j.eng.2023.10.007

更多内容

汽车主动悬架系统研究进展

同济大学团队：数字孪生使能技术在道路工程全生命周期中的应用综述

浙大研究：完全自动驾驶汽车发生事故，乘客要担责吗？

李静海院士团队：未来数据系统的逻辑与架构

通知：补充征集AI for Engineering专题选题 | Engineering