一、引言
车载导航系统一旦遭受GPS欺骗攻击，后果可能极为严重——轻则偏离路线，重则被蓄意诱导至危险地带。当前虽有不少检测手段，但大多依赖强大的信号处理能力或额外硬件设备，例如多天线接收器，这对普通车辆和智能手机而言，既成本高昂又难以实际部署。那么，是否存在一种低开销、无需外部硬件的解决方案？答案是肯定的。
本文提出了一种基于边缘计算的创新思路：在边缘节点收集车辆内部运行信息，与接收到的GPS信号进行交叉比对验证。一旦检测到欺骗迹象或信号不可靠时，便利用这些内部数据重新构建GPS位置。换言之，这相当于为车载导航系统配备了一套“备用定位机制”——当主信号受到干扰时，仍可依靠车辆自身数据进行持续定位。实测结果显示，基于真实驾驶数据重建的行驶路线，平均误差仅为6米，足以精准识别所有模拟的GPS欺骗攻击场景。
现有认证与反欺骗技术主要遵循两条技术路线：
- 多接收器交叉检查：借助多个天线检验信号一致性。然而，经验丰富的攻击者可以复制相位一致的欺骗信号，使得多接收器系统也难以察觉异常。
- 信号特征分析：例如测量信号到达时间或强度变化。这类方法对设备性能要求较高，在车载系统中缺乏足够的灵活性。
正是针对上述局限性，我们开发了一套低成本验证机制——利用车载控制器局域网总线（CAN）上的驾驶信息，实现GPS欺骗攻击的实时检测。核心假设在于：来自内部车辆网络的数据（经由车内认证机制保护）具有天然可信性。该方法无需额外天线或接收器，也无须对GPS信号进行加解密处理，从根本上降低了部署成本与系统复杂度。
另一方面，部分方案依赖邻近车辆协作完成定位，但这会引发隐私风险——辅助车辆可能不愿共享自身位置，甚至可能被恶意利用发送虚假信号。而我们的方法仅使用本地车载信号，完全不依赖外部通信。车内采集的信号已经过认证，不受第三方干扰，具备本质安全性。
本文的核心贡献可归纳为以下两点：
- 低成本：无需增加任何额外硬件，仅利用现有车辆CAN总线上的数据资源。
- 可信内部验证：完全基于本地信号完成检测，有效避免隐私泄露与外部攻击风险。
二、模型：回归模型
核心思路较为直观：方向盘转角与车辆航向之间存在可量化的对应关系。借助回归算法对二者关系进行建模后，即可根据当前的位置、速度及方向盘角度，推算下一时刻的坐标信息。
具体而言，假设在极短时间间隔内车辆做匀速运动，则行驶距离 l = v · t，其中 v 为采样速度，t 为时间间隔。进而利用航向角 θh 计算位移分量：
Δx = l cos θh
Δy = l sin θh
至此，问题转化为一个回归任务：寻找历史方向盘角度 θw 与航向 θh 之间的函数映射关系 f，即 θh = f(θw)。从直觉上看，方向盘直接控制车辆航向，二者应存在明确的映射规律。通过回归算法拟合出最优函数 f，再代入上述公式重构车辆轨迹，即可完成定位重建。
图1展示了实际试驾数据中方向盘角度变化与车辆航向的回归结果。实线代表二者之间的线性关系，散点为采样数据点。可以看出，拟合效果较为理想。
图表 1 航向与方向盘角度的回归结果
三、实验评估
实验分为三个步骤：首先收集真实驾驶数据及GPS信号；其次利用驾驶信息重建行驶路线；最后模拟多组GPS欺骗攻击，验证检测方案的有效性。
A. 驾驶信息数据集
数据来源于OpenXC平台——这是一套开源硬件与软件组合，可插接在车辆OBD-II接口上，读取方向盘转角、车速、制动位置、GPS信号等多种传感器数据。OpenXC的最大优势在于：习惯于使用智能手机或标准工具的用户也能快速上手，数据采集门槛显著降低。
B. 实验结果
1) 模型验证：我们使用一辆真实汽车，采集了15条不同路线的驾驶数据，每条路线持续时间10至20分钟，覆盖了多种行驶路况。通过OpenXC硬件插头，数据从OBD-II接口直接记录至手机端。
第一步是拟合转向与航向之间的关系。使用5000个单点数据完成训练后，得到了图1所示的线性关系。接下来需确定检测阈值——通过计算真实GPS信号与重建位置之间的欧几里得距离误差来设定。GPS信号以度为单位表示，需先通过大圆距离换算为相对位移（米），以便重建坐标 Pr(xr, yr) 与GPS坐标 Pg(xg, yg) 能够直接比较。误差定义为：dist(Pr - Pg) = √[(xr - xg)² + (yr - yg)²]。对所有测试路线而言，平均误差为6.25米。考虑实际道路状况，我们取10米作为欺骗攻击的检测阈值。
2) GPS欺骗检测：建立有效的检测器后，下一步是模拟攻击。由于合法的实际GPS欺骗攻击难以复现，我们采用模拟方式：设计了几条偏离真实路线的虚假路线，速度与真实路线保持一致，攻击点选在十字路口——例如车辆本应右转，但欺骗信号使其左转。检测结果如何？模拟欺骗攻击的检测准确率达到100%。这表明，基于边缘计算与内部车辆数据的这套方案，完全有能力在复杂场景下筑牢导航安全防线。