MDHP-Net：检测车载网络中的新兴时间激励威胁
密码学与安全
2025-04-23 v2 机器学习
网络与互联网体系结构
摘要
现代汽车集成智能互联技术，虽通过电子控制单元（ECU）及OBD-II、远程信息处理等接口提供增强功能，但也使车载网络（IVN）面临潜在网络攻击。与前人工作不同，我们识别出针对IVN的新型时间激励威胁模型。此类攻击注入表现出时间激励效应的恶意消息，逐步操纵网络流量以破坏车辆运行并危及安全关键功能。我们系统分析了该威胁的特征：动态性、时间激励影响、低先验知识依赖。为验证实用性，我们在真实高级驾驶辅助系统上通过控制器局域网络（CAN）复现攻击，利用统一诊断服务漏洞并提出四种攻击策略。虽然CAN的完整性检查可缓解攻击，但以太网迁移（如DoIP/SOME/IP）引入新攻击面。我们进一步探讨了时间激励威胁在SOME/IP下的可行性。为检测此威胁，我们提出MDHP-Net，利用多维霍克斯过程（MDHP）及时序与消息级特征提取结构。同时，为估计MDHP参数，我们开发了首个MDHP的GPU优化梯度下降求解器（MDHP-GDS）。这些模块显著提升了多ECU IVN系统下时间激励攻击的检测率。为解决数据稀缺，我们发布STEIA9，首个面向时间激励攻击的开源数据集，涵盖9种基于以太网的攻击场景。在STEIA9（9种攻击场景）上的大量实验表明，MDHP-Net优于3个基线，证实了攻击可行性与检测有效性。
引用
@article{arxiv.2411.10258,
title = {MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN},
author = {Qi Liu and Yanchen Liu and Ruifeng Li and Chenhong Cao and Yufeng Li and Xingyu Li and Peng Wang and Runhan Feng and Shiyang Bu},
journal= {arXiv preprint arXiv:2411.10258},
year = {2025}
}
备注
Previously this version appeared as arXiv:2504.11867 which was submitted as a new work by accident