当前的智能网联汽车正面临着潜在的信息安全挑战。比如,汽车CAN总线(Controller aera network,CAN)采用明文方式传输消息,缺少发送源电子控制单元(Electronic control unit,ECU)的身份认证和信息加密机制。因此,如何定位异常报文的发送...当前的智能网联汽车正面临着潜在的信息安全挑战。比如,汽车CAN总线(Controller aera network,CAN)采用明文方式传输消息,缺少发送源电子控制单元(Electronic control unit,ECU)的身份认证和信息加密机制。因此,如何定位异常报文的发送源对于保证网联汽车的信息安全具有重要的研究意义。基于此,提出基于总线信号特征的ECU身份识别技术用于定位报文发送源,并检测ECU伪造攻击:首先根据CAN总线的电平信号提取关键的身份特征参数,包括边沿跳变时间、平台时间、高电平电压众数等;然后,利用轻量化的Softmax分类器对提取的身份特征进行离线训练并建立在线的学习模型。实车测试结果表明,与传统方法相比,提出的方法能够提高将近10%的ECU识别精度,而且该方法可以有效地检测到潜在的ECU伪造攻击和报文篡改攻击等。此外,进一步评估ECU工作温度对相关特征参数的影响,间接地验证了所提方法的强鲁棒特性。综上,提出的方法有效地解决了传统CAN网络缺乏身份认证的缺陷,保证了智能网联汽车的信息安全。展开更多
文摘当前的智能网联汽车正面临着潜在的信息安全挑战。比如,汽车CAN总线(Controller aera network,CAN)采用明文方式传输消息,缺少发送源电子控制单元(Electronic control unit,ECU)的身份认证和信息加密机制。因此,如何定位异常报文的发送源对于保证网联汽车的信息安全具有重要的研究意义。基于此,提出基于总线信号特征的ECU身份识别技术用于定位报文发送源,并检测ECU伪造攻击:首先根据CAN总线的电平信号提取关键的身份特征参数,包括边沿跳变时间、平台时间、高电平电压众数等;然后,利用轻量化的Softmax分类器对提取的身份特征进行离线训练并建立在线的学习模型。实车测试结果表明,与传统方法相比,提出的方法能够提高将近10%的ECU识别精度,而且该方法可以有效地检测到潜在的ECU伪造攻击和报文篡改攻击等。此外,进一步评估ECU工作温度对相关特征参数的影响,间接地验证了所提方法的强鲁棒特性。综上,提出的方法有效地解决了传统CAN网络缺乏身份认证的缺陷,保证了智能网联汽车的信息安全。
