Connected and Autonomous Vehicles (CAVs) with their evolving data gathering capabilities will play a significant role in road safety and efficiency applications supported by Intelligent Transport Systems (ITSs), such as Traffic Signal Control (TSC) for urban traffic congestion management. However, their involvement will expand the space of security vulnerabilities and create larger threat vectors. In this article, we perform the first detailed security analysis and implementation of a new cyber-physical attack category carried out by the network of CAVs against Adaptive Multi-Agent Traffic Signal Control (AMATSC), namely, coordinated Sybil attacks, where vehicles with forged or fake identities try to alter the data collected by the AMATSC algorithms to sabotage their decisions. Consequently, a novel, game-theoretic mitigation approach at the application layer is proposed to minimize the impact of such sophisticated data corruption attacks. The devised minimax game model enables the AMATSC algorithm to generate optimal decisions under a suspected attack, improving its resilience. Extensive experimentation is performed on a traffic dataset provided by the city of Montréal under real-world intersection settings to evaluate the attack impact. Our results improved time loss on attacked intersections by approximately 48.9%. Substantial benefits can be gained from the mitigation, yielding more robust adaptive control of traffic across networked intersections.

具有不断发展的数据收集能力的联网自动驾驶汽车 (CAV) 将在智能交通系统 (ITS) 支持的道路安全和效率应用中发挥重要作用，例如用于城市交通拥堵管理的交通信号控制 (TSC)。然而，他们的参与将扩大安全漏洞的空间并创造更大的威胁向量。在本文中，我们对由 CAV 网络针对自适应多代理交通信号控制 (AMATSC) 进行的新网络物理攻击类别进行了首次详细的安全分析和实施，即协调 Sybil 攻击，其中车辆带有伪造的或假身份试图改变 AMATSC 算法收集的数据来破坏他们的决策。结果，一部小说，提出了应用层的博弈论缓解方法，以最大限度地减少此类复杂数据损坏攻击的影响。设计的极小极大博弈模型使 AMATSC 算法能够在可疑攻击下生成最佳决策，从而提高其弹性。在真实路口设置下，对蒙特利尔市提供的交通数据集进行了广泛的实验，以评估攻击影响。我们的结果将受攻击十字路口的时间损失减少了约 48.9%。缓解措施可以带来巨大的好处，从而对联网交叉口的交通产生更强大的自适应控制。设计的极小极大博弈模型使 AMATSC 算法能够在可疑攻击下生成最佳决策，从而提高其弹性。在真实路口设置下，对蒙特利尔市提供的交通数据集进行了广泛的实验，以评估攻击影响。我们的结果将受攻击十字路口的时间损失减少了约 48.9%。缓解措施可以带来巨大的好处，从而对联网交叉口的交通产生更强大的自适应控制。设计的极小极大博弈模型使 AMATSC 算法能够在可疑攻击下生成最佳决策，从而提高其弹性。在真实路口设置下，对蒙特利尔市提供的交通数据集进行了广泛的实验，以评估攻击影响。我们的结果将受攻击十字路口的时间损失减少了约 48.9%。缓解措施可以带来巨大的好处，从而对联网交叉口的交通产生更强大的自适应控制。