[論文レビュー] UAVCAN Dataset Description

Dong-Sung Kim, Yuchan Song+4 more|arXiv (Cornell University)|Dec 19, 2022

Anomaly Detection Techniques and Applications被引用数 11

ひとこと要約

本論文では、PX4ベースのドローン実験環境から収集された、公開可能なUAVCANネットワークトラフィックデータセットを提示する。このデータセットは、フラッドイング、ファジー、リプレイ攻撃を含む10の異なるサイバー攻撃シナリオを特徴としており、正常および攻撃トラフィックにラベルが付与されている。本データセットは、敵対的状況下での実世界のUAVCANプロトコル動作を反映しており、無人航空機における不正検出および異常検出の研究を可能にする。

ABSTRACT

We collected attack data from unmanned vehicles using the UAVCAN protocol, and public and described technical documents. A testbed was built with a drone using PX4, and a total of three attacks, Flooding, Fuzzy, and Replay, were performed. The attack was carried out in a total of 10 scenarios. We expect that the attack data will help develop technologies such as anomaly detection to solve the security threat problem of drones.

研究の動機と目的

• サイバーセキュリティ研究のための、公開可能で現実的であるUAVCANネットワークトラフィックデータセットの不足を解消すること。
• 無人航空機（UAV）における不正検出システム（IDS）の開発および評価のためのベンチマークデータセットを提供すること。
• UAVCANプロトコル実装を標的としたさまざまなサイバー攻撃をシミュレートし、実世界のネットワークトラフィックを収集すること。
• ラベル付きで時刻同期された攻撃および正常トラフィックデータを提供することにより、UAVCANベースのUAVにおける異常検出および脅威モデリングの研究を支援すること。

提案手法

• Pixhawk4フライトコントローラーとCANバス接続されたESCを備えたPX4ベースのドローン実験環境を構築し、実際のUAVネットワークを模擬した。
• カスタムスクリプトを用いて、フラッドイング、ファジー、リプレイの3種類のサイバー攻撃をUAVCANネットワークに実装し、制御された間隔で悪意のあるフレームを注入した。
• LinuxのSocketCANを用いてCANバスの原始トラフィックを収集し、攻撃フェーズに対応する時間窓に基づいて各フレームを「正常」または「攻撃」としてラベル付けした。
• 攻撃間隔（0.0015–0.005 s）、持続時間（180–280 s）、攻撃タイプの組み合わせを変更することで、10の異なる攻撃シナリオを生成した。
• 各シナリオにおける攻撃タイプ、間隔、総持続時間、およびフレーム数（正常/攻撃）を含む、標準化されたメタデータをデータセットに統合した。
• ドローン起動時からの時刻同期と、元のCANフレーム構造（CAN ID、DLC、データなど）の保持により、データの正確性を確保した。

実験結果

リサーチクエスチョン

• RQ1 サイバーセキュリティ研究に役立てるために、制御されたサイバー攻撃条件下で現実的であるUAVCANネットワークトラフィックをどのように収集できるか？
• RQ2 実際のドローン環境における、正常なUAVCANトラフィックと悪意のあるUAVCANトラフィックの特徴的差異は何か？
• RQ3 フラッドイング、ファジー、リプレイの異なる攻撃タイプが、フレームレベルでのUAVCANネットワークトラフィックにどのように現れるか？
• RQ4 ラベル付きで時刻同期されたUAVCANトラフィックデータは、効果的な不正検出システムの開発をどの程度サポートできるか？
• RQ5 複合攻撃シナリオ（例：フラッドイング＋リプレイ）が、UAVCANベースのドローンシステムに及ぼす性能的および動作的影響は何か？

主な発見

• データセットは10のラベル付き攻撃シナリオを含み、総持続時間は180～280秒、攻撃間隔は0.0015～0.005秒の範囲である。
• 攻撃トラフィック量に顕著な差異が見られた：シナリオ1では116,816フレームの攻撃フレーム、シナリオ2では31,930フレームが生成され、攻撃頻度と持続時間の違いが反映された。
• シナリオ10では、フラッドイング、ファジー、リプレイ攻撃を組み合わせた攻撃が220秒間にわたり実行され、75,850フレームの攻撃トラフィックが生成され、複数の攻撃ベクトルを有する複雑な脅威を示した。
• 全シナリオにわたる総フレーム数は1,062,284で、そのうち444,976フレームが攻撃とラベル付けされており、機械学習ベースの異常検出モデルの学習およびテストに十分なデータ量を提供している。
• データ構造は、原始CANフレームメタデータ（タイムスタンプ、CAN ID、DLC、データ）を保持しており、正常／攻撃分類用のラベル列を含むため、教師あり学習パイプラインへの直接的な利用が可能である。
• データセットは公開されており、UAVCANプロトコルのセキュリティに関する研究を支援するように設計されており、詳細なメタデータにより再現性とシナリオ固有の分析が可能である。