基于连续消息序列图相似性的 CAN 总线消息注入攻击检测
密码学与安全
2021-04-12 v2 系统与控制
系统与控制
摘要
现代汽车的智能特性由大量电子控制单元（ECU）组件实现，这些组件通过称为控制器局域网（CAN）总线的车载网络进行通信。根本挑战在于通信链路的安全性，攻击者可以注入消息（例如提高速度）从而影响驾驶员的安全。开发有效的防御安全解决方案依赖于对 ECU 身份的了解，而这是专有信息。本文提出一种不依赖于 ECU ID 的消息注入攻击检测机制，其通过捕获消息序列中的模式来实现。首先，我们将给定时间间隔内消息的排序表示为有向图，并使用余弦相似度与皮尔逊相关系数计算连续图之间的相似性。然后，我们应用阈值、变点检测以及长短期记忆（LSTM）-循环神经网络（RNN）来检测并预测对 CAN 总线的恶意消息注入。使用从行驶车辆上收集的、包含恶意 RPM 与速度读数消息注入的数据集对这些方法进行评估，结果显示使用 LSTM-RNN 时检测准确率为 98.45%，使用阈值方法时为 97.32%。此外，在注入 RPM 读数消息的情况下检测变化的速度较快，而在注入速度读数消息的情况下则较慢。
引用
@article{arxiv.2104.03763,
title = {Detection of Message Injection Attacks onto the CAN Bus using Similarity of Successive Messages-Sequence Graphs},
author = {Mubark Jedh and Lotfi ben Othmane and Noor Ahmed and Bharat Bhargava},
journal= {arXiv preprint arXiv:2104.03763},
year = {2021}
}