当认证尚不足够：基于行为的驾驶员认证系统安全性研究
密码学与安全
2024-06-11 v4
摘要
许多近期研究论文聚焦于车辆中基于行为的驾驶员认证系统。在人工智能（AI）进步的推动下，这些工作提出了强大的模型，通过驾驶员独特的生物行为特征来识别身份。然而，这些模型从未从安全角度被审视，而是侧重于AI算法的性能。若干局限与疏忽使得最先进成果难以实际部署，例如其与车载网络的安全连接以及安全告警的管理。此外，由于AI的广泛使用，这些系统可能易受对抗攻击。然而，目前尚无关于该场景下此类攻击可行性与影响的讨论。受研究与实用之间显著鸿沟的驱动，本文试图连接这两个领域。我们提出了首个面向基于行为的驾驶员认证的安全感知系统模型。我们基于随机森林和循环神经网络架构开发了两种轻量级驾驶员认证系统，专为我们的受限环境设计。我们形式化了一个反映真实车辆网络的实际系统与威胁模型以供实现。在真实驾驶数据上评估时，我们的模型在识别与认证上以高达0.999的准确率超越最先进成果。此外，我们首次通过对抗规避攻击SMARTCAN和GANCAN对这些系统提出攻击。我们展示了攻击者如何仍以完美的攻击成功率（高达1.000）利用这些系统。最后，我们讨论了安全部署驾驶员认证系统的要求。通过我们的贡献，我们协助从业者安全采用这些系统，帮助减少车辆盗窃并增强驾驶员安全。
引用
@article{arxiv.2306.05923,
title = {When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems},
author = {Emad Efatinasab and Francesco Marchiori and Denis Donadel and Alessandro Brighente and Mauro Conti},
journal= {arXiv preprint arXiv:2306.05923},
year = {2024}
}