车载网络异常检测：时间敏感流过滤与管控的一个案例
网络与互联网体系结构
2024-10-22 v3
摘要
随着车载网络技术在物理上接近（移动）局域网并具备若干通往外部世界的无线互联，联网车辆正受到网络攻击的威胁。如今侵入汽车的恶意软件面临的潜在受害对象是受限且几乎无防护的电子控制单元（ECU）。许多 ECU 执行关键驾驶功能，这凸显了以多维度强化车载网络安全性与韧性的需求。未来车辆将包含通过时间敏感网络（TSN）区分服务的以太网骨干网。众所周知的车载控制流将遵循预定义调度与 TSN 流量分类。本文中，我们利用该流量分类构建网络异常检测系统。我们展示 TSN 的过滤器与策略如何识别行为异常流量，从而作为数据链路层上的分布式守卫。在这一尽可能低的层级上，我们的方法直接从 TSN 派生出高效的网络保护。我们对链路层异常进行分类，并在每一类中微基准测试检测精度。基于源自真实世界汽车及其流量定义的拓扑，我们根据记录的攻击轨迹在真实宏基准中评估检测系统。我们的结果表明，检测精度取决于车载通信规范配置的确切程度。最值得注意的是，对于完全指定的通信矩阵，我们的异常检测保持无假阳性警报，这是在未来车辆中实现自动化对策的显著优势。
引用
@article{arxiv.2112.11109,
title = {Network Anomaly Detection in Cars: A Case for Time-Sensitive Stream Filtering and Policing},
author = {Philipp Meyer and Timo Häckel and Sandra Reider and Franz Korf and Thomas C. Schmidt},
journal= {arXiv preprint arXiv:2112.11109},
year = {2024}
}