一种基于数字孪生的抗干扰路径跟踪方法，用于遭受DoS攻击的非完整约束自主车辆

《Robotics and Autonomous Systems》：A digital twin-empowered resilient path-following approach for non-holonomic autonomous vehicles under DoS attacks

　　胡奈因·凯萨尔|穆罕默德·雷汉|伊贾兹·艾哈迈德|穆罕默德·卡利德

摘要：本文提出了一种基于数字孪生的弹性路径跟踪框架，用于应对服务拒绝攻击的非完整自主车辆。当通信被阻断时，实时数字孪生影子控制器会在主控制器无法工作时接管控制。该数字孪生系统采用从传统视觉伺服跟踪器中借鉴的自适应参考律，并通过基于曲率限制的ω优先分配策略，将指令映射到仅允许向前移动且考虑曲率的可行区域内。我们通过离散控制屏障函数确保车辆始终处于以路径为中心的管状区域内，而在局部利普希茨连续曲率假设下，该管状结构具有不变性。在攻击开始和结束时，通过基于间隙的平滑过渡机制实现无缝切换，同时TURN→GO有限状态监督机制可防止车辆在数字孪生系统运行期间倒车。稳定性分析表明，在服务拒绝攻击情况下，可行性映射是非扩张的，数字孪生系统的跟踪误差始终处于可控范围内，且在攻击消除后立即恢复收敛。我们通过120次随机服务拒绝攻击试验，对四种典型路径——圆形、8字形、S形以及尖L形路径——进行了蒙特卡洛验证。与代表传统工业备用方案的零阶保持方法相比，基于数字孪生的救援方法可将平均跟踪误差降低81%；与最坏情况的幽灵式服务拒绝攻击方法相比，其性能提升达88%。在所有连续曲率轨迹上，该控制器在90次实验中均实现了100%的安全性。而具有90°几何间断点的尖L形轨迹则暴露出该方法的局限性：仅在33%的试验中能够保持安全，主要是由于攻击后恢复阶段在拐角处会出现短暂的管状区域违规现象。总体而言，基于数字孪生的预测控制能够在通信故障情况下保持路径推进并控制误差范围。

引言：大多数现代机器人平台依赖计算机网络和数字技术来传输传感器数据、控制指令、监控信息以及其他用于监督和操作控制的信号。自主车辆属于这类网络化机器人系统的重要类别，越来越多地应用于工业、服务及研究领域。在那些人类直接干预不可行、存在重大技术挑战，或从物流和经济角度不切实际的情况下，自主车辆解决方案显得更为合理高效。移动车辆属于网络物理系统，作为交通、能源和工业制造领域的大规模运行平台，其反馈回路通过共享网络实现，因此容易受到网络攻击等战略性干扰。相关理论已经明确了攻击面和检测极限，包括隐蔽信号逃避监测以及某些情况下无法实现有效识别的情形。在对抗性干扰环境下，安全估计与控制方法将稀疏模型与实用观测器及稳定反馈机制相结合，而基于密钥的安全隐蔽通信方案则可有效防范无线网络系统中的主动注入攻击。针对资源受限的攻击者的研究框架则分析了敌对方资源限制如何影响闭环系统的性能，但实际应用仍需要能够在数据包丢失和服务拒绝攻击情况下维持系统运行的控制器。近年来，具备智能驾驶功能的自主移动系统受到了广泛关注，但由于依赖于互联的数字技术和网络化控制系统，这些车辆仍然容易遭受网络攻击。系统漏洞可能带来严重后果，如经济损失、运营中断、对人类和基础设施的安全威胁，以及降低自主机器人系统的整体可靠性和可信度。服务拒绝攻击是一种常见且成本低廉的手段，可通过间歇性阻断数据包来降低网络物理系统的性能。在网络化车辆中，此类攻击通常通过带有明确攻击频率和持续时间限制的二进制切换机制来建模，既能体现实际的干扰行为，也有助于控制系统设计分析。在控制系统研究中，针对服务拒绝攻击的更广泛分析则通过类似的驻留时间和工作周期约束，来探讨这些参数如何影响闭环系统的性能和稳定性裕度。由于服务拒绝攻击只是阻断数据传输而非破坏数据本身，即便估计器依然可靠，系统状态仍可能发生漂移，这就需要相应的对策来在攻击期间维持系统运行和安全。数字孪生技术的最新进展为解决这一问题提供了极具前景且技术上可靠的途径。数字孪生是物理系统的持续同步虚拟副本，它结合了基于物理的模型和数据驱动的分析方法，能够实现预测、增强系统弹性并提升抗攻击能力。数字孪生系统作为与物理系统同步的虚拟副本，通过整合物理模型与数据，可实现实时预测、优化和控制。由于能够保持状态持续更新，并在主控制回路出现故障时执行“影子”决策，数字孪生成为网络物理系统集成的理想方案。目前，数字孪生技术已广泛应用于自主移动机器人和车辆平台。例如，有研究基于并行智能开发了用于提升感知、决策能力和整体性能的自动驾驶数字孪生框架。对于无人地面车辆，也有研究提出了基于数字孪生的高效运动控制及强鲁棒性避撞方法。此外，还有研究解决了通信和控制问题，尤其是涉及联邦学习和高效率网络控制方面的问题，这些研究展示了基于数字孪生的可扩展且可靠的协调机制。然而，将数字孪生技术用于实现移动车辆的弹性控制仍是一项罕见且具有挑战性的研究课题。在服务拒绝攻击等异常情况下，必须使用数字孪生作为预测控制器，以维持控制权限并确保控制信号的恢复。以往的数字孪生研究多集中在建模和同步方面，未能充分体现数字孪生作为救援控制器在网络间歇性故障情况下保障系统进展和误差可控性的关键作用。本研究正是将数字孪生研究与应用服务拒绝攻击防护的控制策略相结合。与那些仅用于提供并行状态估计的监控型数字孪生系统，或为正常运行设计的运动规划型数字孪生系统不同，我们所提出的数字孪生系统是一种主动型的救援控制器，能够在通信失败时接管控制权。针对服务拒绝攻击的特点，本研究采用了考虑曲率的速度限制、基于控制屏障函数的管状区域约束、TURN→GO逻辑以及基于间隙的平滑过渡机制，解决了长时间断连情况下的系统可行性和安全性问题，而这些都是以往数字孪生研究未曾涉及的。从量化结果来看，与未采取任何防护措施的服务拒绝攻击相比，基于数字孪生的救援方法可将误差降低81%；在四种典型路径上，其性能也比传统的零阶保持备用方案高出81%。现有的数字孪生方法并未涉及在故意阻断通信情况下的性能表现。与传统的服务拒绝攻击防护方法相比，基于数字孪生的框架放弃了形式上的最优性，转而追求实现方式的简洁性。虽然基于模型的预测控制可以通过在线优化实现最坏情况下的性能保障，但它容易受到频繁或长时间延迟的影响；而基于数字孪生的救援方法则通过预计算影子控制器来实现即时响应。另有研究提出了通过残差监测手段检测传感器欺骗行为的可靠状态估计方法，但这些方法侧重于保证测量数据的完整性，无法像数字孪生系统那样提供连续的虚拟系统输入。区块链共识机制虽能为分布式系统提供防篡改的日志记录功能，但其共识延迟（数秒至数分钟）并不适合移动机器人系统中10–50赫兹的高频控制循环。因此，我们的数字孪生架构更注重响应速度和在指令阻断情况下的持续前进能力，而非分布式系统的信任机制或最坏情况下的最优性能。值得注意的是，有研究提出了基于区块链的可再生能源系统实时调控方法，并设计了专门的网络安全架构。这类基于区块链的方法也可应用于供应链系统、医疗领域、金融模型、能源系统以及需要快速响应的能源网络中。本文旨在通过应用基于数字孪生的技术，研究自主移动车辆在服务拒绝攻击下的路径跟踪控制问题。针对差速驱动非完整移动车辆在速度饱和和服务拒绝攻击条件下跟踪通用平面路径的控制难题，本文提出了基于数字孪生的解决方案。该数字孪生系统既可用于监控和监督，又能在服务拒绝攻击发生时接管控制任务。我们开发的基于数字孪生的救援控制器具备以下功能：首先，通过攻击标志来确定控制权限；其次，根据指令间隙时长实现动态的平滑过渡；第三，采用考虑曲率限制的ω优先预算机制来确保指令的可行性；第四，通过离散控制屏障条件来维持车辆在指定管状区域内行驶；第五，通过专门的TURN→GO监督机制确保车辆持续向前移动而不出现停滞。我们对四种典型轨迹——圆形、8字形、S形以及尖L形路径——进行了测试，并将其与在网络攻击期间完全停止控制的“幽灵式服务拒绝攻击”基准方法进行了对比。实验结果表明，在随机服务拒绝攻击条件下，基于数字孪生的系统能够保持误差在可控范围内并确保运动连续性，而未经改进的基准方法则会出现较大程度的轨迹偏移。本文提出的整体方案如图1所示。数字孪生系统通过上述方法与物理系统实现同步，并具备在两者之间平滑切换的监控和救援功能。本文的主要贡献如下：第一，针对控制信息被阻断的情况，本文提出了一种智能的基于数字孪生的控制方法。该数字孪生系统既可用于监控和监督，又能在信息阻断时通过路径投影、平滑过渡、TURN→GO逻辑以及学习机制来承担救援控制任务。第二，与传统的自主车辆控制方法相比，本文提出的方法具备足够的智能，能够有效抵御服务拒绝攻击的影响，并在通信中断情况下保持良好的跟踪性能。在服务拒绝攻击发生时，该数字孪生系统能够引导车辆顺利完成路径跟踪任务。第三，与传统没有备用系统的控制方法不同，本文采用数字孪生作为备份系统，从而在服务拒绝攻击情况下实现更可靠的控制功能。得益于从传统视觉伺服控制器那里继承的自适应深度估计能力，该方法的性能更为优异。第四，与近期针对服务拒绝攻击的研究方法相比，本文在数字孪生系统设计中充分考虑了多种实际因素。例如，采用了平滑过渡机制来实现数字孪生系统与控制系统之间的无缝切换，同时通过构建管状控制屏障来保障系统安全，再通过TURN→GO监督机制确保车辆持续向前移动且无振动现象。第五，与现有研究相比，本文还充分考虑了实际控制中的各种因素，如输入饱和问题、对深度估计的自适应调整，以及利用智能视觉伺服控制技术来应对自主车辆所面临的真实环境条件。在本文中，我们研究的重点是路径跟踪控制，其目标是在保持车辆沿预定几何路径前进的同时，使其横向位移始终处于限定范围内。尽管内部会使用时间参数化的参考信号，但性能指标和安全条件都是基于路径几何形状来定义的，而非严格遵循时间索引的轨迹跟踪方式。我们对所提出的方法在四种路径上进行了模拟测试，共进行了120多次随机攻击时间下的试验。在所有测试场景中，基于数字孪生的救援控制器相比那些在攻击发生时直接停止工作的基准方法，能够将累计跟踪误差平均降低81%。本文的其余部分结构如下：第2节阐述了移动车辆模型和服务拒绝攻击的机制；第3节介绍了数字孪生系统的动态特性以及基于数字孪生的救援控制原理；第4节展示了在四种路径上的仿真结果，并给出了总体性能指标和各路径的详细数据；第5节总结了本文的局限性及未来研究方向。接着我们描述了在实际中如何将深度感知技术用于救援模拟场景。我们通过详细的蒙特卡洛测试来评估DT-Rescue控制器在面对随机分布式拒绝服务攻击时的表现，该测试旨在检验控制器在维持轨迹监测与系统安全方面的能力。在本节中，我们将阐述实验方法，分析控制器在四种不同路径条件下的性能，并确保即使在通信中断较长时间的情况下，安全约束依然有效。

结论与讨论
本研究表明，配备实时深度感知技术的移动车辆能够在持续遭受分布式拒绝服务攻击的情况下保持其轨迹稳定性与安全性。所提出的深度感知技术采用了基于学习的自适应参考律来控制车辆状态，同时运用凸投影方法将系统状态约束在可行区域内，这一设计兼顾了前向不变性以及基于曲率限制的ω优先分配策略。深度感知技术中所使用的自适应深度估计方法则遵循传统的视觉伺服设计原理。

科学写作中关于生成式AI的声明
在撰写本文档的过程中未使用任何人工智能辅助软件。作者同时感谢Grammarly在语言优化方面提供的帮助。

CRediT作者贡献说明
Hunain Kaisar：初稿撰写、方法论设计、软件开发、数据整理、实验实施。
Muhammad Rehan：文本审阅与编辑、项目监督、概念构思、结果验证。
Ijaz Ahmed：文本审阅与编辑、项目监督、实验实施。
Muhammad Khalid：文本审阅与编辑、项目监督。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
作者衷心感谢沙特阿拉伯KFUPM大学可持续能源系统跨学科研究中心（IRC-SES）在项目编号INSE2630项下的支持。