8、自主系统性能限制评估：极端值分析与传感器攻击应对

自主系统性能限制评估：极端值分析与传感器攻击应对

1. K8s 弹性设计与极端值分析

在 K8s 环境中，基于相关研究结果，发现了以下几个影响系统弹性的关键因素：
| 因素 | 影响 |
| ---- | ---- |
| 容器重启时间极端性 | 增加系统风险 |
| 工作负载 | 提升容器重启的极端性 |
| 更严格的成本函数 | 加大系统风险 |
| 容量规划 | 缓解风险成本较高 |
| 冷备份冗余 | 是可行的风险缓解策略 |

这些因素相互关联，共同影响着 K8s 系统的弹性。例如，工作负载的增加会导致容器重启时间的极端性上升，进而增加系统风险。而冷备份冗余可以在一定程度上降低这种风险，提高系统的稳定性。

2. 自主系统传感器攻击下的安全问题

自主系统，如自动驾驶汽车，依赖各种传感器来感知周围环境并做出决策。然而，近年来针对传感器的攻击事件频发，如对磁轮速度传感器、陀螺仪传感器、FMCW 雷达和 LiDAR 等的攻击，严重威胁着自主系统的安全。

以配备自动紧急制动（AEB）系统的汽车为例，该系统通过雷达、摄像头和 LiDAR 等传感器检测周围物体，测量前方最近物体的距离和相对速度。一旦检测到即将发生碰撞，系统会发出警告或自动刹车。但如果传感器受到攻击，系统可能无法正常工作，从而导致严重事故。

为确保自主系统在传感器攻击下的安全，基于场景的模拟被广泛认为是关键工具。但目前存在两个主要问题：一是如何从众多场景中选择相关场景；二是缺乏嵌入传感器攻击模型的自主系统模拟器。

3. 评估框架相关标准与 SOTIF

<