Augmented state extended Kalman filter

Augmented state extended Kalman filter（ASEKF）是擴展卡爾曼濾波（EKF）的進階變體，其核心創新在於將原本被視為白雜訊的系統不確定性、偏差或攻擊幹擾，轉化為可追蹤的「擴增狀態變量」。傳統EKF假設雜訊為零均值白雜訊，但在網路攻擊情境下，攻擊者可能引入有偏的惡意幹擾，導致傳統EKF失效。ASEKF透過擴大狀態矩陣，使濾波器能同時估計真實狀態與幹擾項，實現自適應補償。根據ISO/SAE 21434第10章關於「網路安全設計」的要求，系統必須具備對抗惡意幹擾的韌性，ASEKF正是實現此韌性的數學基礎，與傳統Kalman Filter的區別在於其對非加性系統不確定性的處理能力，使其在異常偵測場景中具有更低的誤報率。

在汽車網路安全領域，ASEKF的應用可分為三個具體步驟：第一，建立車輛動力學模型，將通訊延遲、傳感器雜訊與攻擊幹擾納入擴增狀態向量；第二，部署異常偵測器，如本研究中提到的2-detector（參數式）與OCSVM（機器學習式），以殘差序列作為攻擊指標；第三，根據殘差動態調整Kalman增益，實現攻擊補償與狀態平滑。實務上，臺灣Tier 1供應商在導入ISO/SAE 21434合規框架時，可將ASEKF部署於ADAS（先進駕駛輔助系統）的感知融合模組，有效降低因傳感器欺騙攻擊（Sensor Spoofing）導致的事故風險，預估可將攻擊偵測準確率提升25-40%，並將誤報率降低至1%以下，確保車輛在受攻擊情境下的行駛安全。

臺灣汽車資安企業導入ASEKF主要面臨三項挑戰：首先是計算資源限制，嵌入式ECU的算力難以支撐高維度擴增狀態矩陣的即時運算，建議採用稀疏矩陣優化或降維技術；其次是攻擊模型的不確定性，攻擊手段日新一日，固定模型難以應對未知攻擊，企業應建立持續學習的閉環機制，定期更新攻擊模型庫；第三是人才斷層，跨域整合控制理論與網路安全人才極為稀缺，建議與學術機構合作，並建立標準化的模型驗證流程。建議企業在導入初期，先以關鍵安全功能（如LKA車道維持輔助）為試點，分階段擴展至全車網路，預計12個月內完成從概念驗證到量產適配的完整流程，以符合UNECE WP.29 RTOH法規要求。

積穗科研股份有限公司（Winners Consulting Services Co., Ltd.）專注臺灣企業Augmented state extended Kalman filter相關議題，擁有豐富實戰輔導經驗，協助企業在90天內建立符合ISO/SAE 21434與TISAX的網路安全管理機制，已服務超過100家臺灣汽車供應商。申請免費機制診斷：https://winners.com.tw/contact