本发明属于车路云协同安全控制，具体涉及一种网络攻击下云控智能网联车横向安全控制系统与方法。
背景技术：
1、随着我国从汽车大国向汽车强国战略转型升级，代表汽车尖端技术的无人驾驶汽车领域蓬勃发展。车路云协同是实现无人驾驶的重要途径，车端和云端通过基于5g-v2x协议的无线通信网络进行数据交互，由于无线通信网络的开放性特点使其易受到网络攻击，因此，研究在网络攻击下维持车云协同轨迹跟踪控制性能具有重要意义。
2、目前由于智能汽车关键传感器成本居高不下，智能汽车的单车智能方案进入发展瓶颈期，基于车路云协同的智能网联汽车方案正在进入发展高潮。车端和云端通过无线网络进行信息交互，云端结合气象信息、区域交通信息及网联基础设施等信息，为车辆进行最优的道路规划，优化交通流量、减少交通拥堵，提高道路通行效率和交通安全，为驾驶员提供实时交通信息，改善驾驶体验，同时降低交通系统的能耗和排放，促进环保和能源节约。另外，由于智能汽车需要结合多源传感器信息进行复杂的决策规划和运动控制计算，对车载计算平台提出大算力和高稳定性的要求，然而由于车辆行驶环境的不确定性，难以保证实时平稳的计算环境要求，而且满足智能汽车算力要求和车规要求的车载计算芯片成本昂贵。因此利用云计算的大算力和高稳定性特点，采用车云协同控制的方案来满足智能汽车的计算要求。云端服务器算力大，而且拥有区域内所有车辆的状态信息、位置信息和交通信息等，使得车辆实现超视距感知，为车辆提供更加精确、平稳和安全的局部行驶路径，进一步实现车辆的高精度轨迹跟踪控制，极大的提高了汽车的行驶安全性。
3、车端和云端采用无线网络进行信息传输，由于这种信息传输方式没有相对封闭的传输介质，也难以对信息传输通道进行全程监控，因此极易受到网络攻击和干扰。另外，在车云协同网络中，有大量的车辆节点和路侧设备节点接入网络中，并且车辆节点在不同的区域网络中频繁的切换，这种组网方式也带来了更多的潜在网络攻击可能性。车端和云端的信息传输通道受到网络攻击将严重破坏区域交通秩序，同时也会严重的影响智能网联汽车的合理局部路径规划和运动控制，对汽车的控制安全带来严重挑战。
技术实现思路
1、针对上述技术问题，本发明提供一种网络攻击下云控智能网联车横向安全控制系统与方法，解决了在车云协同控制情况下，车云无线传输通道受到网络攻击后车辆的安全控制问题，提高了车辆的行驶安全性。
2、注意，这些目的的记载并不妨碍其他目的的存在。本发明的一个方式并不需要实现所有上述目的。可以从说明书、附图、权利要求书的记载中抽取上述目的以外的目的。
3、本发明是通过以下技术手段实现上述技术目的的。
4、一种网络攻击下云控智能网联车横向安全控制系统，包括云端网络层、无线传输网络和车端物理层；
5、所述云端网络层包括云端网络攻击检测模块、mpc控制器模块和弹性控制器模块；
6、所述车端物理层包括车端网络攻击检测模块、预测控制量存储模块、车端执行器模块、车辆物理平台和车端传感器模块；
7、所述无线传输网络包括车端传感器模块到云端网络层的上行传输通道和云端网络层到车端物理层的下行传输通道；
8、所述车端物理层将车辆状态信息通过无线传输网络发送到云端网络攻击检测模块，云端网络攻击检测模块对车端传感器模块至云端网络层的上行信息传输通道进行攻击检测，并根据网络攻击检测结果选择调用mpc控制器模块或者弹性控制器模块的控制器计算控制量；
9、所述车端网络攻击检测模块对云端网络层到车端物理层的下行信息传输通道进行检测，并根据检测结果选择控制量的执行。
10、上述方案中，所述云端网络层的云端网络攻击检测模块对车端传感器至云端网络层的上行信息传输通道进行攻击检测，根据上行信息传输通道网络攻击检测结果选择控制器计算控制量；
11、如果上行信息传输通道未检测到网络攻击，则启用mpc控制器计算未来一段时间的控制量，并打包发送到车端物理层；如果上行信息传输通道检测到网络攻击，则启用弹性控制器计算控制量，并发送到车端物理层。
12、上述方案中，所述车端物理层的车端网络攻击检测模块对云端网络层至车端执行器模块的下行信息传输通道进行攻击检测，根据下行信息传输通道网络攻击检测结果选择控制量执行；
13、如果下行信息传输通道未检测到网络攻击，则执行车端物理层接受到的控制信号，若接受到控制信号为mpc控制信号包，则选择第一个控制量执行，若为弹性控制器计算的控制量，则直接执行对应控制量；
14、如果下行信息传输通道检测到网络攻击，则执行器在上一次接收到的mpc数据包中选择控制量执行，需要执行的控制量在mpc数据包中的序列号通过时间延迟量确定，同时车端物理层向云端网络层返回攻击信息，云端网络层结合最新接收到的车辆状态信息，调用弹性控制器计算控制量，在网络攻击结束的第一个控制时刻，发送弹性控制量到车端物理层，车辆执行弹性控制量消除网络攻击造成的控制偏差。
15、一种根据所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，包括以下步骤：
16、步骤s1：通过布置在云端网络层的云端网络攻击检测模块对车端传感器至云端网络层的上行信息传输通道进行攻击检测；
17、步骤s2：根据上行信息传输通道网络攻击检测结果选择控制器计算控制量，如果上行信息传输通道未检测到网络攻击，则启用mpc控制器计算未来一段时间的控制量，并打包发送到车端物理层，如果上行信息传输通道检测到网络攻击，则启用弹性控制器计算控制量，并发送到车端物理层；
18、步骤s3：通过布置在车端物理层的车端网络攻击检测模块对云端网络层至车端执行器模块的下行信息传输通道进行攻击检测；
19、步骤s4：根据下行信息传输通道网络攻击检测结果选择控制量执行，如果下行信息传输通道未检测到网络攻击，则执行车端物理层接受到的控制信号，若接受到控制信号为mpc控制信号包，则选择第一个控制量执行，若为弹性控制器计算的控制量，则直接执行对应控制量。
20、步骤s5：如果下行信息传输通道检测到网络攻击，则执行器在上一次接收到的mpc数据包中选择控制量执行，需要执行的控制量在mpc数据包中的序列号通过时间延迟量确定，同时车端物理层向云端网络层返回攻击信息，云端网络层结合最新接收到的车辆状态信息，调用弹性控制器计算控制量，在网络攻击结束的第一个控制时刻，发送弹性控制量到车端物理层，车辆执行弹性控制量消除网络攻击造成的控制偏差。
21、上述方案中，所述步骤s1中云端网络攻击检测模块运用云端数据包接收率ppr来衡量上行信息传输通道是否受到网络攻击，数据包接收率的计算公式如下：
22、
23、式中，τ表示给定时间窗口的长度；σ表示在给定时间域内云端接收到的数据包个数；
24、在云端网络攻击检测模块中预先设定一个数据包接收率的阈值ppr0，实时计算一段时间内的云端数据包接收率，当数据包接收率大于等于阈值时，判断上行数据传输通道状态正常；当计算出某一时间段的数据包接收率低于阈值时，判断上行信息传输通道发生网络攻击。
25、上述方案中，所述步骤s2中弹性控制器通过以下步骤设计得到的：
26、网络层设计一种基于零和矩阵博弈的攻防博弈模型对攻击进行约束，以物理层h∞性能指标为博弈代价函数，求解出使得攻防双方代价函数最小的最优攻防博弈混合策略，求解得出最优混合策略下的网络层丢包率；
27、物理层结合网络层得到的最优混合策略下的网络丢包率设计一种h∞鲁棒控制器，使得经过网络层约束攻击后的控制系统鲁棒稳定，求解过程中将鲁棒稳定条件转化为一组线性矩阵不等式，通过求解线性矩阵不等式约束下的最优化问题即可求出最优h∞控制器。
28、上述方案中，所述步骤s2中弹性控制器是通过以下具体步骤设计得到的：
29、步骤s28、运用伯努利随机变量描述网络攻击，构建包含网络攻击和外界扰动的车辆轨迹跟踪控制方程：
30、x(k+1)＝ax(k)+b2u(k)+b1w(k)
31、z(k)＝cx(k)+d2u(k)+d1w(k)
32、式中，x(k+1)表示下一时刻的状态量，a为线性车辆动力学方程的状态矩阵，x(k)为当前时刻的状态变量，b2为线性车辆动力学方程的控制矩阵，u(k)为当前时刻的控制变量，b1为外界干扰的系数矩阵，w(k)为服从正态分布的干扰，z(k)为系统输出量，c为输出方程的状态矩阵，d2为输出方程的控制矩阵，d1为输出方程中外界干扰的系数矩阵；
33、受攻击的状态量和控制量表示为：
34、xc(k)＝(1-δθ)x(k)+δθx(k-1)
35、u(k)＝(1-βθ)uc(k)+βθuc(k-1)
36、θ∈{θ1,θ2}
37、式中，θ表示控制系统所处的状态，包括正常状态θ1和受攻击状态θ2，xc(k)为云端控制中心接收到的状态量，x(k)为传感器测得的状态量，设δθ＝0时，表明上行传输通道网络未受到攻击，车端可以将车辆状态信息传输到云端，即xc(k)＝x(k)，设δθ＝1时，表明上行传输通道网络受到攻击，控制器采用保持输入策略，用攻击发生之前接收到的最新状态量作为当前系统状态量，即xc(k)＝x(k-1)，uc(k)为云端控制器向车端发出的控制量，u(k)为车端接收到的控制量，设βθ＝0时，表明下行传输通道网络未受到攻击，车端网络层可以接收到云端网络层的控制量，即u(k)＝uc(k)，设βθ＝1时，表明下行传输通道网络受到攻击，车端执行器采用保持输入策略，用攻击发生之前接收到的最新控制量作为当前系统状态量，即u(k)＝uc(k-1)，δθ和βθ是服从伯努利随机分布的随机变量：
38、
39、
40、式中，表示δθ＝1的概率，表示βθ＝1的概率，设计一个待确定参数的反馈控制器kθ，使得车辆控制系统在遭受dos攻击之后保持稳定，且控制误差满足行驶工况要求，如下：
41、uc(k)＝kθxc(k)
42、综合得出包含两通道随机dos攻击的闭环网联车辆控制系统如下：
43、
44、
45、式中，均为闭环系统方程的系数矩阵，x(k-1)表示前一个控制时刻的状态量，x(k-2)表示前两个控制时刻的状态量；
46、步骤s29、构建网络层最优状态的攻防博弈模型，考虑攻防双方的技术水平在一定时期处于同等水平，即攻防双方有同等数量的行为策略，为避免己方行为策略被对方所掌握，攻防双方采用混合策略的形式进行博弈，双方混合策略如下：
47、
48、
49、式中，χ为攻击方混合策略集合，为防守方混合策略集合，f(an)表示第n种攻击策略，g(dn)表示第n种防守策略，
50、为使网络层性能和物理层性能同时进行优化，引入物理层h∞性能指标作为网络层博弈代价函数，用γ(θ,ai,dj)表示在状态θ下网络层攻防双方分别采用纯策略行为ai和dj时的代价，同时该指标也是网络层采取上述行为策略后，维持物理层系统稳定的h∞性能指标，建立物理层h∞性能指标与网络层状态及攻防策略的对应关系如下：
51、
52、式中，γθ为状态θ下的物理层h∞性能指标，h(θ)为状态θ下的的代价矩阵，χθ为状态θ下的攻击策略集合，为状态θ下的防守策略集合，根据shapley原理将博弈问题转换为如下的线性规划问题，通过求解线性规划即得到博弈双方的最优混合策略：
53、max yt1n s.t rty≤1m,y≥0
54、min zt1m s.t rz≤1n,z≥0
55、最优攻击策略χ*和最优防御策略如下：
56、χ*＝y*v
57、
58、步骤s30、基于网络层博弈的最优攻防博弈混合策略，设计物理层最优h∞控制器，计算最优混合策略下的网络层最优丢包率，结合李雅普诺夫稳定性理论设计使得系统在最优丢包率下保持均方稳定的最优h∞控制器，对于包含两通道随机dos攻击的闭环网联车辆控制系统，若满足下式则系统均方稳定：
59、
60、式中，e{||z(k)||2}表示系统输出范数的期望，||w(k)||2表示外界干扰的范数；
61、将上式的条件转化为满足如下线性矩阵不等式：
62、
63、解线性矩阵不等式即可得弹性控制器增益kθ为：
64、kθ＝yθ(xθ)-1
65、式中，yθ、xθ为不同系统状态θ下线性矩阵不等式计算得出的中间矩阵。
66、上述方案中，所述步骤s3中的车端网络攻击检测模块通过对接收到的控制量进行时间戳对比实现下行传输通道网络攻击检测：
67、将总延迟tdelay定义为上一次接收到控制信息的时间与本次接收到控制信息的时间之差，并与控制周期进行比较，为避免系统固有时延及扰动对传输通道的干扰，设定一个安全系数。
68、进一步的，所述安全系统的设定为：
69、tdelay＝tk-tk-1≤εt,未发生网络攻击
70、tdelay＝tk-tk-1＞εt,发生网络攻击
71、式中，tk-1表示上一次接收到控制信息的时间，tk表示本次接收到控制信息的时间，ε未安全系数，t表示控制周期。
72、上述方案中，所述步骤s4中需要在上一次接收到的mpc数据包中选择控制量执行，当每一个控制时刻到来时，若没有接收到最新控制量，则从上一次接收到的mpc数据包中的第二个控制量开始，按顺序依次执行数据包中的控制量；当接收到最新控制量，则执行最新控制量。
73、与现有技术相比，本发明的有益效果是：
74、1、本发明提出了一种网络攻击下云控智能网联车横向安全控制系统，通过云端网络攻击检测与车端网络攻击检测结合，设计了智能网联汽车在状态信息传输单侧通道、控制信息传输单侧通道及双侧传输通道遭受网络攻击情况下的容侵控制框架。
75、2、本发明提基于网络层博弈和物理层h∞控制的弹性控制方法，通过网络层零和矩阵博弈对网络攻击进行约束，物理层结合网络层最优混合策略设计h∞鲁棒控制器，使得车辆在遭受网络攻击的情况下仍然可以维持控制系统的稳定性，对提升智能网联汽车的行驶安全性具有重要意义。
76、注意，这些效果的记载不妨碍其他效果的存在。本发明的一个方式并不一定必须具有所有上述效果。可以从说明书、附图、权利要求书等的记载显而易见地看出并抽出上述以外的效果。
1.一种网络攻击下云控智能网联车横向安全控制系统，其特征在于，包括云端网络层、无线传输网络和车端物理层；
2.根据权利要求1所述的网络攻击下云控智能网联车横向安全控制系统，其特征在于，所述云端网络层的云端网络攻击检测模块对车端传感器至云端网络层的上行信息传输通道进行攻击检测，根据上行信息传输通道网络攻击检测结果选择控制器计算控制量；
3.根据权利要求1所述的网络攻击下云控智能网联车横向安全控制系统，其特征在于，所述车端物理层的车端网络攻击检测模块对云端网络层至车端执行器模块的下行信息传输通道进行攻击检测，根据下行信息传输通道网络攻击检测结果选择控制量执行；
4.一种根据权利要求1至3任意一项所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，包括以下步骤：
5.根据权利要求4所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，所述步骤s1中云端网络攻击检测模块运用云端数据包接收率ppr来衡量上行信息传输通道是否受到网络攻击，数据包接收率的计算公式如下：
6.根据权利要求4所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，所述步骤s2中弹性控制器通过以下步骤设计得到的：
7.根据权利要求4所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，所述步骤s2中弹性控制器是通过以下具体步骤设计得到的：
8.根据权利要求4所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，所述步骤s3中的车端网络攻击检测模块通过对接收到的控制量进行时间戳对比实现下行传输通道网络攻击检测：
9.根据权利要求8所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，所述安全系数的设定为：
10.根据权利要求4所述的网络攻击下云控智能网联车横向安全控制系统的控制方法，其特征在于，所述步骤s4中需要在上一次接收到的mpc数据包中选择控制量执行，当每一个控制时刻到来时，若没有接收到最新控制量，则从上一次接收到的mpc数据包中的第二个控制量开始，按顺序依次执行数据包中的控制量；当接收到最新控制量，则执行最新控制量。
