[논문 리뷰] Impact Evaluation of Falsified Data Attacks on Connected Vehicle Based Traffic Signal Control

Shihong Huang, Wai Wong외 4명|arXiv (Cornell University)|2020. 10. 09.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 43인용 수 5

한 줄 요약

이 논문은 공격자가 제어 로직에 직접 접근할 수 없지만, 서rogate 모델을 통해 제어 로직을 학습하고 악성 데이터를 주입함으로써 핵심 교통 특징을 조작함으로써 연결 차량 기반 교통 신호 제어(CV-TSC) 시스템에 위조된 데이터 공격을 가하는 현실적인 블랙박스 위협 모델 하에서 이러한 공격의 영향을 평가한다. 결과적으로, 제한된 지식과 자원으로도 공격자가 총 지연을 최대 23% 증가시킬 수 있음을 확인하여 시스템의 심각한 취약성을 드러내며, 사전 방어 메커니즘의 필요성을 강조한다.

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).

연구 동기 및 목표

• 공격자가 제어 로직에 직접 접근할 수 없을 때, 실제 시스템에서의 사이버 공격 영향을 현실적으로 평가하기 위해.
• 공격자가 관찰 가능한 시스템 행동에 기반한 서rogate 모델을 통해 신호 제어 로직을 유추할 수 있는지 조사하기 위해.
• 위조된 차량 데이터가 핵심 교통 특징을 조작함으로써 CV-TSC 시스템의 성능 저하를 평가하기 위해.
• 특히 기본 안전 메시지(BSM)에서의 이상 탐지 기반 방어 전략을 탐색하기 위해.
• 미래의 CV-TSC 구현에서 사전 방어 메커니즘 개발의 기초를 제공하기 위해.

제안 방법

• 실제 신호 주기 계획과 교통 특징(예: 도착 예상 시간(ETA), 접근 차량 수(NAV)))를 기반으로 훈련된 서rogate 모델을 개발하여 실제 CV-TSC 시스템의 동작을 모방한다.
• 실시간 교통 조건을 바탕으로 서rogate 모델을 사용해 신호 주기 계획을 예측함으로써, 공격자가 역공학 분석 없이도 제어 로직을 추정할 수 있도록 한다.
• 신호 주기 결정에 크게 영향을 주는 두 가지 핵심 교통 특징인 도착 예상 시간(ETA)과 접근 차량 수(NAV)를 식별한다.
• 위조된 차량 데이터 주입을 시뮬레이션하기 위해, 이러한 핵심 특징을 조작하여 최적화 모델을 오도하는 악성 기본 안전 메시지(BSM)를 생성한다.
• 가짜 데이터의 '최적' 조합을 도출하기 위해 기울기 기반 최적화 방법을 사용하여, 가짜 최적 주기 계획과 실제 주기 계획 간의 차이를 최대화한다.
• 정상 운영, 서rogate 모델 제어, 다양한 공격 시나리오 하에서의 시스템 성능(총 지연 기준)을 비교하여 영향을 정량화한다.

실험 결과

연구 질문

• RQ1 공격자가 시스템이나 소스 코드에 직접 접근할 수 없을 때, CV-TSC 시스템의 신호 제어 로직을 유추할 수 있는가?
• RQ2 서rogate 모델이 실제 I-SIG 같은 CV-TSC 시스템의 행동을 얼마나 정확하게 재현할 수 있는가?
• RQ3 공격자가 핵심 교통 특징만 조작할 경우, 위조된 데이터 공격이 CV-TSC 시스템에 미치는 성능 영향은 어떠한가?
• RQ4 자원 가용성 수준(예: 위조된 경로 수)이 공격의 심각성에 어떤 영향을 미치는가?
• RQ5 특히 이상 BSM을 조기에 탐지함으로써 이러한 공격을 완화할 수 있는 방어 전략은 무엇인가?

주요 결과

• 서rogate 모델은 실제 I-SIG 제어 로직을 1.5%의 총 지연 증가로만 허용하며, 시스템 행동을 정확하게 모방함을 확인하였다.
• 공격자가 정확한 제어 로직을 모를지라도, 단 한 개의 위조된 경로(ETA 특징 기반)를 주입함으로써 총 지연을 19% 증가시킬 수 있었다.
• NAV 특징을 타깃으로 하는 여러 위조된 경로를 사용할 경우, 총 지연은 23% 증가하여 자원 가용성이 공격 영향을 증폭시킴을 시사한다.
• 시스템은 특히 ETA와 NAV 조작에 매우 민감하며, 이는 신호 주기 최적화 과정에서 가장 영향력 있는 두 가지 교통 특징임을 나타낸다.
• 결과적으로, CV-TSC 시스템은 현실적인 블랙박스 조건 하에서 정교하고 저비용의 위조 데이터 공격에 취약함을 입증하였다.
• 행동 일관성의 이상을 기반으로 비정상 BSM을 탐지하는 사전 방어 전략은 유망하며, 향후 연구에 권장된다.