传感器是自动驾驶汽车所依靠的重要测量设备,其安全可靠性对自动驾驶决策起着至关重要的作用。在自动驾驶车辆配备的传感器中,超声波传感器主要用于近距离的障碍物发现。不幸地是,在2016年的DEFCON大会上,研究人员仅使用一个微型超声波发射器,就轻松地干扰了特斯拉轿车的超声波测距装置,导致特斯拉轿车测距模型失效并紧急刹车。针对该安全问题,许多学者开始针对超声波攻击检测开展研究。最经典的工作是2018年Xu等人提出的基于物理环境的多轮次验证方法(Physical Shift Authentication,PSA),可以针对回波频率、相位、幅度、持续时间等特征进行检测,但该方法忽视了动态环境下的复杂运动情况,而且需要增加第三方较昂贵的设备,这也可能引入新设备带来的安全问题。针对其缺点,最新改进工作是2019年Lee等人提出的攻击检测模型,考虑了运动状态下多普勒效应对攻击检测模型的影响,同时也控制了相对较低的检测成本。但是该模型在传感器与障碍物之间的距离超过1.5米,或者传感器波束角大于50度的情况下,存在检测成功率急剧下降的情况,从而会导致此模型的推广和使用仍然存在一定的问题。本文针对更大距离和幅角存在的检测成功率下降问题,提出了一种多特征超声波攻击检测的方法,主要对不确定周期、持续时间进行动态编码,设计了拟合动态环境变化的基于滑动窗口的线性检测模型和基于二阶线性不变函数的上下限检测模型,通过二者协同检测,从多个特征对超声波的回波信息与系统编码信息进行匹配性验证,充分考虑了运动状态下多普勒效应对超声波攻击检测模型的影响,实现了基于回波持续时间与系统预定状态的匹配算法。在有效编码代价的前提下,提高了检测准确率,同时降低了检测时间。在目前市场上比较通用的AJ-SR04M超声波传感器和HC-SR04超声波传感器上开展了实验,结果表明,在75度波束角情况下,本文方法仍然可以有效检测出0到6米区间的超声波攻击,最大检测时间不超过0.6秒,具有相对较好的实用性。