[論文レビュー] Impact Evaluation of Falsified Data Attacks on Connected Vehicle Based Traffic Signal Control

Shihong Huang, Wai Wong+4 more|arXiv (Cornell University)|Oct 9, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 43被引用数 5

ひとこと要約

本稿は、攻撃者が制御論理を直接アクセスできない黒ボックス攻撃モデル下で、偽装データ攻撃が連結車両ベースの交通信号制御（CV-TSC）システムに与える影響を評価する。攻撃者はサーロウトモデルを用いて制御論理を学習し、悪意あるデータを注入することで重要な交通特徴を操作する。結果として、限定的な知識とリソースでも攻撃者は総遅延を最大23%まで増加させることができ、深刻なシステムの脆弱性を示し、予防的防御メカニズムの必要性を強調する。

ABSTRACT

Connected vehicle (CV) technology enables data exchange between vehicles and transportation infrastructure and therefore has great potentials to improve current traffic signal control systems. However, this connectivity might also bring cyber security concerns. As the first step in investigating the cyber security of CV-based traffic signal control (CV-TSC) systems, potential cyber threats need to be identified and corresponding impact needs to be evaluated. In this paper, we aim to evaluate the impact of cyber attacks on CV-TSC systems by considering a realistic attack scenario in which the control logic of a CV-TSC system is unavailable to attackers. Our threat model presumes that an attacker may learn the control logic using a surrogate model. Based on the surrogate model, the attacker may launch falsified data attacks to influence signal control decisions. In the case study, we realistically evaluate the impact of falsified data attacks on an existing CV-TSC system (i.e., I-SIG).

研究の動機と目的

• 攻撃者が制御論理やソースコードに直接アクセスできない現実的でリアルな脅威モデル下で、CV-TSCシステムに対するサイバー攻撃の実世界への影響を評価すること。
• 攻撃者が観察可能なシステム行動に基づいて訓練されたサーロウトモデルを用いて、信号制御論理を推定できるかどうかを調査すること。
• 偽装された車両データが、重要な交通特徴を操作することでCV-TSCシステムの性能劣化がどのように影響を受けるかを評価すること。
• 特に基本安全メッセージ（BSM）における異常検知を含む、こうした攻撃に対する実現可能な防御戦略を検討すること。
• 今後のCV-TSC展開における予防的セキュリティメカニズムの構築基盤を提供すること。

提案手法

• 実際の信号タイミング計画と交通特徴（例：ETA、NAV）に基づいて訓練されたサーロウトモデルを構築し、実際のCV-TSCシステムの挙動を模倣する。
• サーロウトモデルを用いて、リアルタイムの交通状況に基づき信号タイミング計画を予測することで、逆コンパイルを伴わずに制御論理を推定可能にする。
• 信号タイミング意思決定に顕著に影響を与える2つの重要な交通特徴（到着予想時刻（ETA）と到着予想車両数（NAV））を同定する。
• 偽装データの注入をシミュレートするため、これらの重要な特徴を操作する悪意ある基本安全メッセージ（BSM）を生成する。
• 勾配ベースの最適化アプローチを用いて、擬似最適なタイミング計画と実際のタイミング計画との差を最大化する「最適な」偽装データを特定する。
• 通常運用時、サーロウトモデル制御時、およびさまざまな攻撃シナリオ下でのシステム性能（総遅延で測定）を比較し、影響を定量化する。

実験結果

リサーチクエスチョン

• RQ1 攻撃者がシステムやそのソースコードに直接アクセスできない状況下で、CV-TSCシステムの信号制御論理を推定できるか？
• RQ2 サーロウトモデルは、実際のCV-TSCシステム（例：I-SIG）の挙動をどれほど正確に再現できるか？
• RQ3 攻撃者が僅かに重要な交通特徴のみを操作する場合、偽装データ攻撃がCV-TSCシステムに与える性能への影響は何か？
• RQ4 リソースの可用性（例：偽装経路の数）のレベルが攻撃の深刻さにどのように影響するか？
• RQ5 特に異常なBSMの早期検出を通じて、こうした攻撃を緩和できる防御メカニズムは何か？

主な発見

• サーロウトモデルは、実際のI-SIG制御論理をわずか1.5%の総遅延増加で正確に再現でき、システム挙動の再現性が確認された。
• 攻撃者は制御論理の正確な内容を知らない状況下でも、ETA特徴に基づく1件の偽装経路を注入するだけで、総遅延を19%まで増加させることができた。
• NAV特徴を標的とした複数の偽装経路を用いることで、総遅延は23%まで増加し、リソースの可用性が攻撃の影響を拡大させることを示した。
• システムは特にETAおよびNAVの操作に対して感受性が高く、これら2つの特徴が信号タイミング最適化プロセスで最も影響力を持つことが判明した。
• 本研究の結果は、現実的で黒ボックス条件下でも、高度で低予算の偽装データ攻撃がCV-TSCシステムに深刻な影響を与える可能性があることを示している。
• 行動的一致性の欠如に基づく異常BSMの検出といった、予防的防御戦略が有効である可能性を示しており、今後の研究において推奨される。