💻 computer science

Event-Driven Safe and Resilient Control of Automated and Human-Driven Vehicles under EU-FDI Attacks

تقترح هذه الورقة إطار عمل للتحكم الآمن والمرن القائم على الأحداث، والذي يدمج استراتيجيات تكيفية مرنة ضد الهجمات مع تقدير قائم على البيانات للسائق البشري لضمان مناورات تغيير المسار الخالية من الاصطدام والمستقرة للمركبات ذاتية القيادة في حركة المرور المختلطة تحت هجمات حقن البيانات الزائفة غير المحدودة أسياً.

المؤلفون الأصليون: Yi Zhang, Yichao Wang, Wei Xiao, Mohamadamin Rajabinezhad, Shan Zuo

نُشر 2026-03-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yi Zhang, Yichao Wang, Wei Xiao, Mohamadamin Rajabinezhad, Shan Zuo

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تقود سيارة متطورة ذاتية القيادة (لنسمّها "السيارة الروبوتية") على طريق سريع مزدحم. أنت تحاول تغيير مسارك لتجاوز شاحنة بطيئة. ولكن هنا تكمن العقبة: أنت تشارك الطريق مع سائقين بشريين عاديين قد ينحرفون بشكل غير متوقع، وما يجعل الأمر أسوأ هو أن هناك مخترقاً (Hacker) يحاول تخريب كمبيوتر سيارتك.

هذه الورقة البحثية تدور حول بناء درع ذكي للغاية وغير قابل للاختراق للسيارات الروبوتية، لتمكينها من القيادة بأمان حتى عندما يحاول المخترقون العبث بأنظمة التحكم في السرعة الخاصة بها.

إليك تفصيل للمشكلة والحل، باستخدام تشبيهات بسيطة:

المشكلة: "الشبح في الآلة"

عادةً ما تعتمد السيارات ذاتية القيادة على الرياضيات لمعرفة سرعتها بدقة ومدى قربها من السيارات الأخرى. وهي تستخدم نظام سلامة (مثل الوسادة الهوائية الرقمية) يقول: "إذا اقتربنا أكثر من اللازم، اضغط على المكابح!".

ولكن ماذا لو قام مخترق بحقن بيانات كاذبة؟

الهجوم: تخيل أن المخترق يهمس بالأكاذيب في أذن سيارتك. يخبر السيارة: "أنتِ تسيرين بسرعة 100 ميل في الساعة!" بينما أنت في الواقع تسير بسرعة 30 فقط. أو يخبر السيارة: "أنتِ على بُعد قدم واحدة من تلك الشاحنة!" بينما أنت في الواقع على بُعد 10 أقدام منها.
التهديد "الأسي": يصف المؤلفون نوعاً معيناً من الهجمات يسمى EU-FDI. لا تفكر في هذا ليس ككذبة ثابتة، بل ككذبة تزداد جنوناً وعنفاً في كل ثانية. تبدأ صغيرة، لكنها سرعان ما تتحول إلى كذبة هائلة وصاخبة لا يمكن لكمبيوتر السيارة تجاهلها.
العامل البشري: يجب على السيارة الروبوتية أيضاً التعامل مع مركبة يقودها بشر (HDV) بجانبها. البشر غير متوقعين؛ فقد يضغطون على المكابح فجأة أو ينحرفون عن المسار. والسيارة الروبوتية لا تعرف ما سيفعله الإنسان تالياً.

الطريقة القديمة:
كانت أنظمة السلامة السابقة تشبه كتاب قواعد صارم. كانت تعمل بشكل رائع عندما يكون كل شيء طبيعياً. ولكن عندما بدأ المخترق في الصراخ بتلك الأكاذيب المتزايدة، انكسر كتاب القواعد. أصيب الكمبيوتر بالارتباك، وأصبحت حسابات السلامة مستحيلة، مما قد يؤدي إلى اصطدام السيارة أو دخولها في حالة ذعر.

الحل: الدرع الذكي "المعتمد على الأحداث"

يقترح المؤلفون نظاماً جديداً يسمى EDSR (التحكم الآمن والمرن المعتمد على الأحداث). وإليك كيف يعمل، باستخدام ثلاثة تشبيهات رئيسية:

1. "الساعة الذكية" مقابل "ساعة الإيقاف" (الاعتماد على الأحداث)

الأنظمة القديمة تفحص سلامة السيارة في كل ميلي ثانية، مثل ساعة إيقاف تكتك باستمرار. هذا يستهلك الكثير من البطارية وقدرة المعالجة.

الطريقة الجديدة: تخيل ساعة ذكية لا تفحص معدل ضربات قلبك إلا عندما تشعر أنك تركض أو عندما يتغير معدل ضربات قلبك.
كيف يساعد ذلك: تقوم السيارة بالعمليات الحسابية الثقلة فقط عندما يتغير شيء ما بالفعل (مثل انحراف السيارة البشرية أو زيادة حجم كذبة المخترق). هذا يوفر الطاقة ويحافظ على سرعة الكمبيوتر، مما يسمح لها بالاستجابة فوراً عندما يكون الأمر مهماً.

2. "جهاز كشف الكذب" (التقدير التكيفي)

بما أن السيارة لا تعرف ما يفكر فيه السائق البشري، فعليها أن تخمن.

الطريقة الجديدة: تعمل السيارة مثل شرلوك هولمز. تراقب حركات السيارة البشرية وتحدث باستمرار "نظريتها" عما يفعله الإنسان. إذا انحرفت السيارة البشرية، تقوم السيارة الروبوتية بتحديث خريطتها الذهنية فوراً. هي لا تنتظر نموذجاً مثالياً؛ بل تتعلم أثناء الحركة.

3. "مضاد الفيروسات" (التحكم المرن)

هذا هو الجزء الأهم. عندما يرسل المخترق تلك "الكذبة الأسية" (الضجيج الصاخب)، تحتاج السيارة إلى طريقة لإلغائها.

الطريقة الجديدة: تخيل أنك تحاول السير في خط مستقيم، لكن رياحاً قوية (المخترق) تدفعك جانبياً باستمرار.
- النظام القديم: تحاول السير في خط مستقيم، لكن الرياح تدفعك بعيداً عن المسار، فتسقط.
- النظام الجديد: تمتلك السيارة "رياحاً مضادة ذكية". تشعر بالدفع، وتحسب بالضبط مدى قوة الرياح، ثم تدفع بقوة مساوية في الاتجاه المعاكس. حتى لو زادت قوة الرياح، فإن "عضلات" السيارة تزداد قوة لتناسبها، مما يبقيها على المسار المستقيم.

النتيجة: تغيير مسار آمن

اختبر المؤلفون هذا في محاكاة حيث حاولت سيارة روبوتية تغيير مسارها بينما كانت هناك سيارة بشرية قريبة ومخترق يصرخ بالأكاذب في النظام.

بدون النظام الجديد: أصيبت السيارة بالذعر. ظنت أنها على وشك الاصطدام، فضغطت على المكابح بقوة أو تسارعت بجنون، مما أدى في النهاية إلى فشل عملية تغيير المسار واحتمالية وقوع تصادم.
مع النظام الجديد: تجاهلت السيارة الأكاذيب، وتكيفت مع عدم إمكان التنبؤ بالسائق البشري، وغيرت مسارها بسلاسة. حافظت على سلامتها، وحافظت على سرعة ثابتة، ولم تصطدم.

الخلاതിمة

تقدم هذه الورقة البحثية حقيبة نجاة للسيارات ذاتية القيادة. فهي تجمع بين:

الكفاءة (التفكير فقط عند الضرورة)،
التعلم (تخمين ما سيفعله البشر)، و
المرونة (المقاومة والرد على الأكاذيب المتزايدة).

إنها تضمن أنه حتى في بيئة فوضوية وعدائية مع وجود مخترقين وبشر غير متوقعين، يمكن للسيارة ذاتية القيادة أن تقول: "أنا أرى الخطر، أنا أتجاهل الضجيج، وسأوصلك إلى وجهتك بسلام".

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التحكم القائم على الأحداث، الآمن والمرن للمركبات ذاتية القيادة والموجهة بشرياً تحت هجمات حقن البيانات الخاطئة الأسية (EU-FDI)."

1. بيان المشكلة

تتناول الورقة التحدي الحرج المتمثل في التحكم في المركبات المتصلة والذاتية القيادة (CAVs) التي تعمل في بيئات حركة المرور المختلطة (التي تتفاعل مع المركبات الموجهة بشرياً أو HDVs) تحت تهديد هجمات حقن البيانات الخاطئة الأسية (EU-FDI).

التهديد: تتضمن هجمات EU-FDI قيام جهات خبيثة بحقن إشارات في قناة التسارع الخاصة بالمركبة تنمو بشكل أسي مع مرور الوقت (على سبيل المثال، $\gamma(t) \sim e^{\kappa t}$ ). وخلافاً للاضطرابات المحدودة، يمكن لهذه الهجمات أن تؤدي بسرعة إلى زعزعة استقرار النظام وإفساد قيود السلامة.
الفجوة:
- تركز استراتيجيات التحكم المرن الموجودة غالباً على الاستقرار أو التوافق (consensus) لكنها تهمل قيود السلامة الصارمة (مثل تجنب الاصطدام).
- تفترض طرق التحكم الحرج للسلامة (مثل وظائف حاجز التحكم - CBFs) عادةً وجود اضطرابات اسمية أو محدودة. وتحت هجمات EU-FDI، يؤدي عدم التطابق بين الديناميكيات النموذجية والحقيقية إلى انتهاك قيود السلامة، مما يجعل البرمجة التربيعية (QP) غير قابلة للحل (infeasible).
الهدف: تصميم إطار تحكم يضمن تجنب الاصطدام وتنظيم السرعة المستقر للمركبات ذاتية القيادة (CAVs) أثناء تنفيذ مناورات تغيير المسار، حتى عندما:
1. تكون ديناميكيات وسلوكيات المركبات الموجهة بشرياً (HDVs) غير معروفة وغير متوقعة.
2. تتعرض المركبات ذاتية القيادة لمدخلات معادية تنمو أسياً في تسارعها.

2. المنهجية: إطار عمل EDSR

يقترح المؤلفون إطار عمل تحكم قائم على الأحداث، آمن ومرن (EDSR). يدمج هذا الإطار ثلاثة مكونات أساسية:

أ. التقدير التكيفي القائم على البيانات للمركبات الموجهة بشرياً (HDV)

بما أن سلوك المركبات الموجهة بشرياً غير معروف، يستخدم الإطار نموذجاً غير خطي تكيفياً لتقدير حالة ( $x_H$ ) وديناميكيات هذه المركبات في الوقت الفعلي.

يتم تعريف خطأ التقدير $e(t)$ بين الحالات الحقيقية والمقدرة للمركبات الموجهة بشرياً.
يقوم النموذج التكيفي بتحديث معلماته عند لحظات زمنية محددة (محفزة بالأحداث) لتقليل هذا الخطأ، مما يضمن قدرة المركبات ذاتية القيادة على التنبؤ بحركات المركبات البشرية بما يكفي لعمليات حساب السلامة.

ب. قيود السلامة والأداء القائمة على الأحداث

لتقليل العبء الحسابي مع الحفاظ على الضمانات في الوقت الفعلي، يستخدم النظام آلية محفزة بالأحداث (event-triggered) بدلاً من التحديثات المستمرة.

وظائف حاجز التحكم (CBFs): تُستخدم لفرض قيود سلامة صارمة (مثل الحفاظ على مسافة آمنة إهليلجية بين المركبات). تم تعديل شرط CBF ليأخذ في الاعتبار خطأ التقدير للمركبات الموجهة بشرياً.
وظائف ليابونوف للتحكم (CLFs): تُستخدم لفرض أهداف الأداء "الناعمة"، مثل تتبع السرعة المطلوبة ( $v_d$ ) وموضع المسار.
شرط التحفيز (Triggering Condition): يتم حل البرمجة التربيعية (QP) فقط عندما يتم تجاوز عتبات خطأ معينة (خطأ تقدير الحالة، مشتق الخطأ، أو انحراف الحالة)، مما يقلل العبء الحسابي بشكل كبير.

ج. التعويض التكيفي المقاوم للهجمات

هذا هو الابتكار الجوهري لمعالجة هجمات EU-FDI. يتم تفكيك مدخل التحكم $u_i(t)$ إلى:
$u_i(t) = u^s_i(t) - \hat{\gamma}_i(t)$
حيث $u^s_i(t)$ هو التحكم الآمن الاسمي المستمد من QP الخاص بـ CBF/CLF، و $\hat{\gamma}_i(t)$ هو إشارة تعويض تكيفية مصممة لإلغاء الهجوم $\gamma_i(t)$ .

آلية التعويض: يستخدم المعوض خطأ تنظيم السرعة $\varepsilon_i(t)$ ومعلمة تكيفية $\hat{\rho}_i(t)$ (يتم تحديثها عبر $\dot{\hat{\rho}}_i = \alpha_i |\varepsilon_i|$ ).
البنية: يتضمن المعوض حداً $\exp(\hat{\rho}_i(t))$ ينمو لمواجهة الهجوم المتنامي أسياً، مع حد في المقام لضمان المحدودية والانتقالات السلسة.
الضمان النظري: يثبت المؤلفون عبر تحليل ليابونوف أن خطأ تنظيم السرعة يظل محدوداً نهائياً بشكل منتظم (UUB) رغم الطبيعة غير المحدودة للهجوم.

3. المساهمات الرئيسية

أول حل لهجمات EU-FDI في وظائف CBF القائمة على الأحداث: تحدد الورقة أن وظائف CBF التقليدية القائمة على الأحداث تفشل تحت هجمات EU-FDI لأن النمو الأسي يبطل قيود السلامة وإمكانية حل الـ QP. هذا هو العمل الأول الذي يعيد تصميم آلية السلامة لتبقى صالحة تحت هذه الهجمات.
إطار عمل متكامل: يجمع بشكل فريد بين CBFs القائمة على الأحداث، وCLFs، وتعويض الهجمات التكيفي. يضمن ذلك كلاً من السلامة (تجنب الاصطدام) والمرونة (الاستقرار ضد الهجمات غير المحدودة) في حركة المرور المختلطة.
التعامل مع بيانات HDV: لا يتطلب الإطار معرفة مسبقة بديناميكيات المركبات الموجهة بشرياً، بل يستخدم التقدير التكيفي في الوقت الفعلي للتعامل مع عدم القدرة على التنبؤ لدى البشر.
الكفاءة الحسابية: من خلال استخدام نهج قائم على الأحداث، يقلل الإطار من وتيرة حل البرمجة التربيعية (QP)، مما يجعله مناسباً للتطبيق في الوقت الفعلي على أجهزة المركبات.

4. نتائج المحاكاة

تم اختبار إطار العمل في سيناريو تغيير مسار عالي السرعة يتضمن مركبتين ذاتيتين (A و B)، ومركبة بشرية واحدة (H)، ومركبة بطيئة (U).

السيناريو: تحاول المركبة ذاتية القيادة B تجاوز مركبة بطيئة بينما تتصرف مركبة بشرية (HDV) بشكل غير متوقع. تعرضت كلتا المركبتين لهجمات EU-FDI ( $\gamma(t) = \text{amplitude} \cdot e^{\kappa t} \cdot \text{trig}(t)$ ).
أداء EDSR (المقترح):
- السلامة: نجحت المركبة B في إكمال تغيير المسار في حوالي 6.5 ثانية. ظلت جميع مقاييس السلامة ( $b_{i,j}$ ) موجبة تماماً، مما يثبت الثبات الأمامي للمجموعة الآمنة.
- الاستقرار: ظلت أخطاء تتبع السرعة سلسة ومحدودة. نجح المعوض التكيفي في تخفيف الهجوم الأسي، مما منع التسارع أو الكبح المفاجئ.
المقارنة مع النموذج الأساسي (الـ CBF القائم على الأحداث من المرجع [20]):
- فشلت الطريقة الأساسية، التي تفتقر إلى تعويض الهجمات.
- انتهاك السلامة: انخفض مقياس السلامة $b_{B,H}$ إلى ما دون الصفر (وصل إلى -140)، مما يشير إلى خطر وقوع اصطدام.
- عدم الاستقرار: أظهرت المركبة B تباطؤاً شديداً (-30 م/ث خطأ)، كما أظهرت المركبة A تسارعاً غير منضبط (+15 م/ث خطأ).
- الفشل: انتهت المناورة قبل أوانها (~4.28 ثانية) بسبب فقدان إمكانية حل الـ QP وانتهاك قيود السلامة.

5. الأهمية

تقدم هذه الورقة مساهمة كبيرة في مجال أمن المركبات ذاتية القيادة ونظرية التحكم:

سد الفجوة: تعالج الورقة الصراع الحرج بين "السلامة" (CBFs) و"المرونة" (التعامل مع الهجمات غير المحدودة)، وهي فجوة كان يُنظر إليها في الأدبيات السابقة كأمرين منفصلين.
القابلية للتطبيق في العالم الحقيقي: من خلال معالجة هجمات EU-FDI (وهي سيناريو الحالة الأسوأ) والتعامل مع سلوك السائق البشري غير المعروف، يقرب هذا الإطار المسافة نحو نشر المركبات ذاتية القيادة في بيئات مرورية مختلطة واقعية ومعادية.
الدقة النظرية: يوفر إثبات استقرار UUB تحت مدخلات غير محدودة أسياً أساساً نظرياً قوياً لتصميمات التحكم المرنة مستقبلاً، مما يوضح أنه يمكن الحفاظ على قيود السلامة حتى عندما يكون النظام تحت هجوم سيبراني-فيزيائي نشط ومتصاعد.