针对麦克纳姆轮小车的隐蔽攻击策略获取方法

技术领域

本发明属于无人车安全技术领域，具体涉及一种针对麦克纳姆轮小车的隐蔽攻击策略获取方法。

背景技术

无人车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能车，在国防和国民经济领域具有广泛的应用。

麦克纳姆轮是一种全方位移动车轮，基于麦克纳姆轮移动的无人车可以不依靠转向机构，仅凭借调整四个轮的速度大小与方向就可以实现小车全方位的移动以及自旋运动。每个麦克纳姆轮上有很多互成角度的周边轮轴，这些轮轴可以将车身的重力分散，从而增加小车的承载力。在应用方面，基于其能够实现横移、旋转、斜行以及组合运动的方式，特别适合在船舱、潜艇等人工作业不方便的狭窄空间作业，从而提高空间利用率。

但是近年来，针对控制系统的各类网络攻击案例时有发生并且常常伴随十分严重的后果，因此对网络环境的安全性问题进行研究具有非常实用的价值。随着5G技术的推广，将会有更多行业引进无人化运输设备，但对于麦克纳姆轮小车的网络控制系统安全性问题的研究尚且处于初始阶段，很多方面还未有涉及。

发明内容

有鉴于此，本发明提供了一种针对麦克纳姆轮小车的隐蔽攻击策略获取方法，能够实现在攻击检测器的约束下改变小车运动轨迹的效果。

为实现上述目的，本发明技术方案如下：

本发明的一种针对麦克纳姆轮小车的隐蔽攻击策略获取方法，对于t时刻，t＝1,2...，攻击者掌握目标系统的模型信息，并对系统的输入输出值进行实时监测，然后利用卡尔曼滤波器对小车的实时状态进行估计，计算出当前目标系统的新息值，求解ξ

其中，

求解出所有时刻攻击信号，并依次将其加入到正常运行的系统中，完成针对麦克纳姆轮小车的隐蔽攻击策略的获取。

其中，攻击者掌握目标系统的模型信息，并对系统的输入输出值进行实时监测的具体方式为：

向计算机输入系统矩阵A、控制信号输入系数矩阵B、观测矩阵C、噪声方差矩阵Σ

对于时刻t，输入t时刻获得的来自传感器的观测数据y

其中，相关参数具体如下：

系统矩阵A，用于描述系统状态转移的矩阵；

控制信号输入系数矩阵B，用于描述系统外部输入的矩阵；

观测矩阵C，用于描述观测数据的维数和观测数据含义的矩阵；

系统过程噪声协方差矩阵Σ

系统传感器噪声协方差矩阵Σ

用于描述攻击者对系统执行器的攻击能力的矩阵Γ，该矩阵决定了攻击者能够攻击到的执行器的数量和类别，其维度为2×s，其中s为攻击信号的维数；

用于描述攻击者对系统输出传感器的攻击能力的矩阵Ψ，该矩阵决定了攻击者能够攻击到的传感器的数量和类别，其维度为2×s；

控制信号u

其中，当选取麦克纳姆轮小车的位置坐标为状态变量时，系统矩阵为

其中，输入系数矩阵为

其中，观测矩阵为

其中，所述系统的外部输入为车轮转速；所述实际输出信号为小车位置坐标。

其中，利用卡尔曼滤波器对小车的实时状态进行估计具体方式为：

在t时刻，利用卡尔曼滤波器估计系统状态：

其中，

其中，P为中间计算矩阵。

其中，计算出当前目标系统的新息值，求解ξ

在时刻t，利用输入的t时刻输出传感器测量值以及相关参数，根据公式

求解系统的新息r

ξ

公式(4)中相应矩阵的求解方法如下：

其中，

在时刻t，利用求解出的系统t时刻新息值r

其中，

求解所述凸优化问题，得出γ

有益效果：

本发明在对攻击信号的求解过程中考虑的各方面因素较为全面，因此在一定程度上能够满足实际应用的需要，为麦克纳姆轮小车的控制系统安全性问题研究提供了新思路，具体地，通过构建麦克纳姆轮小车的运动学模型，并考虑了实际运行过程中的外界噪声干扰，建立了求解最佳隐蔽攻击策略的优化问题模型，从而求解出能够在不被攻击检测器检测到的条件下，对小车状态进行改变的隐蔽攻击信号值，将其施加到原始系统中，实现了隐蔽攻击的效果，小车的状态发生了明显的偏移。

附图说明

图1为本发明仿真实现过程流程示意图。

图2为本发明仿真中，受攻击前后的计算机仿真小车运动轨迹对比图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

随着网络安全防护以及攻击检测技术的发展，目前已经发展出多种攻击检测器(如χ

本发明针对麦克纳姆轮小车的隐蔽攻击策略获取方法中，隐蔽攻击策略是指：在攻击者对目标系统的信息有一定程度的掌控的前提下，结合小车实时状态求解能够不引起攻击检测器报警的攻击信号，在求解出的攻击信号下，小车运动状态由当前状态转移到攻击者设定的目标状态。具体地，攻击者应该掌握目标系统的模型信息以及能够对系统的输入输出值进行实时监测，然后利用卡尔曼滤波器对小车的实时状态进行估计，计算出当前目标系统的的新息值同时求解ξ

对于t＝0,1,2...，麦克纳姆轮小车的离散时间线性动态系统可以描述为：

x

y

其中，状态变量

本发明针对麦克纳姆轮小车的隐蔽攻击策略获取方法，包括如下步骤：

步骤1、向计算机输入系统矩阵A、控制信号输入系数矩阵B、观测矩阵C、噪声方差矩阵Σ

系统矩阵A，用于描述系统状态转移的矩阵。当选取麦克纳姆轮小车的位置坐标为状态变量时，系统矩阵为

控制信号输入系数矩阵B，用于描述系统外部输入的矩阵，输入系数矩阵为

观测矩阵C，用于描述观测数据的维数和观测数据含义的矩阵，观测矩阵为

系统过程噪声协方差矩阵Σ

系统传感器噪声协方差矩阵Σ

用于描述攻击者对系统执行器的攻击能力的矩阵Γ，该矩阵决定了攻击者能够攻击到的执行器的数量和类别，其维度为2×s(s为攻击信号的维数)。

用于描述攻击者对系统输出传感器的攻击能力的矩阵Ψ，该矩阵决定了攻击者能够攻击到的传感器的数量和类别，其维度为2×s。

控制信号u

观测数据y

步骤2、在t时刻，t＝1,2...，利用卡尔曼滤波器估计系统状态：

其中，

步骤3、在时刻t，t＝1,2...，利用步骤1输入的t时刻输出传感器测量值以及相关参数，根据公式

求解系统的新息r

ξ

其中，

其中，

步骤4、在时刻t，t＝1,2...，利用步骤3中求解出的系统t时刻新息值r

其中，

步骤5、求解所述凸优化问题，得出γ

通过仿真实验测试本发明方法的有效性，具体如下：

1、硬件环境：计算机；

2、软件配置：Win8/10；matlab或C语言或C++等任何一种语言环境软件。

在本次仿真实验中选取噪声方差矩阵分别为：

攻击特征矩阵选取为：

权重矩阵为：

设定小车运动的初始状态x

图2表示的是小车在有攻击情况下和无攻击情况下的轨迹对比情况，从图中可以看出小车在受到攻击后其轨迹明显偏离预设轨道，攻击有较为明显的效果。

表1表示的是小车在受到攻击前后，受攻击系统的卡尔曼滤波器新息变化量的情况，从表1可以看出，按照本发明求解出的攻击策略施加到正常运行的小车后，其自身配备的攻击检测器检测值变化程度及其微小，因此可以认为能够成功躲避攻击检测器的检测。

表1小车受攻击前后

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。