RSU部署优化：用于保护车辆编队免受虚假注入攻击

《ACM Transactions on Cyber-Physical Systems》：RSU Placement Optimization for Securing Vehicle Platoon Against False Injection Attacks

车辆编队中False Data Injection攻击威胁安全，通过约束优化部署路侧单元（RSU）并利用符号计算技术（SMT）构建分层防御策略，确保最大RSU间距下安全要求，实验验证有效性。

　　

摘要

车辆编队已成为智能交通系统（ITS）中的一个重要应用，因为它能够实现联网自动驾驶车辆（CAV）车队以紧密编队形式进行高速行驶。这种紧密编队通常伴随着严格的安全约束，例如相邻车队车辆之间的安全间距必须短且固定。为了满足这些严格要求，CAV车队严重依赖于底层的编队通信协议，而这些协议容易受到攻击者的各种攻击。例如，一种常见的攻击方式是虚假数据注入（FDI）攻击，它可能通过引发车队车辆之间的碰撞或导致车队减速从而扰乱交通秩序，使编队变得“不安全”。一种缓解FDI攻击的机制是在车辆编队路径上均匀布置路边单元（RSUs）。RSUs可以作为检测和抵御攻击的信任基础。然而，频繁在路径上布置RSUs会导致部署成本过高。在这项工作中，我们首先提出了一个约束优化问题，旨在在保证给定FDI攻击场景下车队安全性的前提下，最小化路径上的RSUs部署数量（通过最大化RSUs之间的间距）。我们的方法能够生成一种RSU布置方案，使得最恶劣的攻击情况（覆盖整个RSUs之间的盲区）也无法违反车队的安全保障。在先进的攻击检测器和可信RSUs的支持下，车队的鲁棒性体现在其对RSUs之间盲区中潜在的隐蔽FDI攻击的抵御能力上。我们基于这一概念，提出了一种基于SMT的分层解决策略。该方法通过迭代假设RSUs之间的间距，并正式检查所得编队方案在各种攻击场景下的安全性。当RSUs的部署间距无法再进一步减小而不违反安全约束时，该过程终止。我们通过PLEXE中的仿真来验证这项工作的有效性。实验结果表明，该方法能够在保持安全性的同时，最小化RSUs的部署数量，适用于多种现实世界中的高速公路编队场景。