[论文解读] UAVCAN Dataset Description

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

Anomaly Detection Techniques and Applications被引用 11

一句话总结

本文提出一个公开可用的UAVCAN网络流量数据集，该数据集源自基于PX4的无人机测试平台，包含10种不同的网络攻击场景，涵盖泛洪攻击、模糊攻击和重放攻击。该数据集对正常与攻击流量进行了标注，可用于在对抗性条件下研究基于真实UAVCAN协议行为的无人机入侵检测与异常检测。

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.

研究动机与目标

• 为解决当前缺乏公开可用、贴近现实的UAVCAN网络流量数据集以支持网络信息安全研究的问题。
• 为开发和评估无人机（UAV）中的入侵检测系统（IDS）提供基准数据集。
• 在针对UAVCAN协议实现的各类网络攻击下，模拟并收集真实世界的网络流量。
• 通过提供时间同步、带标签的攻击与正常流量数据，支持基于UAVCAN的无人机系统在异常检测与威胁建模方面的研究。

提出的方法

• 构建了一个基于PX4的无人机测试平台，配备Pixhawk4飞行控制器和通过CAN总线连接的电子调速器（ESCs），以模拟真实的无人机网络环境。
• 使用自定义脚本在UAVCAN网络上实现三种类型的网络攻击——泛洪、模糊和重放攻击，以受控时间间隔注入恶意帧。
• 利用Linux下的SocketCAN捕获原始CAN总线流量，然后根据对应攻击阶段的时间窗口，将每帧标记为“正常”或“攻击”。
• 生成10种不同的攻击场景，攻击间隔（0.0015–0.005秒）、持续时间（180–280秒）以及攻击类型组合各不相同。
• 以标准化元数据结构化数据集，包括攻击类型、攻击间隔、总持续时间以及每种场景下的帧数（正常/攻击）。
• 通过同步无人机启动时间的时戳并保留原始CAN帧结构（CAN ID、DLC、数据等），确保数据保真度。

实验结果

研究问题

• RQ1 如何在受控的网络攻击条件下，收集可用于网络信息安全研究的真实UAVCAN网络流量？
• RQ2 在真实无人机环境中，正常与恶意UAVCAN流量在特征上有哪些显著区别？
• RQ3 不同类型的攻击（泛洪、模糊、重放）在UAVCAN网络流量中以帧为单位如何表现？
• RQ4 带标签的时间同步UAVCAN流量数据在多大程度上可支持有效入侵检测系统的开发？
• RQ5 组合攻击场景（如泛洪+重放）对基于UAVCAN的无人机系统在性能与行为上会产生何种影响？

主要发现

• 该数据集包含10个带标签的攻击场景，总持续时间在180至280秒之间，攻击间隔为0.0015至0.005秒。
• 攻击流量量差异显著：场景1产生116,816个攻击帧，而场景2产生31,930个，反映出攻击频率与持续时间的差异。
• 在场景10中，结合了泛洪、模糊和重放攻击，220秒内生成了75,850个攻击帧，展示了复杂、多向量的网络威胁。
• 所有场景共包含1,062,284帧，其中444,976帧被标记为攻击帧，为训练和测试基于机器学习的异常检测模型提供了充足数据。
• 数据结构保留了原始CAN帧元数据（时间戳、CAN ID、DLC、数据等），并包含一个用于正常/攻击分类的标签列，可直接用于监督学习流程。
• 该数据集公开可用，旨在支持UAVCAN协议安全研究，详细元数据支持可复现性及场景特定分析。