[论文解读] A Multilayered Security Infrastructure for Connected Vehicles -- First Lessons from the Field

Timo Häckel, Philipp Meyer+5 more|arXiv (Cornell University)|Oct 16, 2023

Vehicular Ad Hoc Networks (VANETs)Engineering被引用 3

一句话总结

本文提出了一种面向联网汽车的多层安全架构，整合了基于软件定义网络（SDN）的网络控制、车载异常检测、容器化微服务编排以及基于云的汽车网络安全防御中心。结果表明，车载对策可实现低于330毫秒的故障响应时间，而基于云的响应时间则低于2.8秒，验证了该框架在实际生产车辆中实现实时事件响应的可行性。

ABSTRACT

Connected vehicles are vulnerable to manipulation and a broad attack surface can be used to intrude in-vehicle networks from anywhere on earth. In this work, we present an integrated security infrastructure comprising network protection, monitoring, incident management, and counteractions, which we built into a prototype based on a production car. Our vehicle implements a Software-Defined Networking Ethernet backbone to restrict communication routes, network anomaly detection to make misbehavior evident, virtual controller functions to enable agile countermeasures, and an automotive cloud defense center to analyse and manage incidents on vehicle fleets. We present first measurements and lessons learned from operating the prototype: many network attacks can be prevented through software-defined access control in the backbone; anomaly detection can reliably detect misbehavior but needs to improve on false positive rate; controller virtualization needs tailored frameworks to meet in-car requirements; and cloud defence enables fleet management and advanced countermeasures. Our findings indicate attack mitigation times in the vehicle from 257 ms to 328 ms and from 2,168 ms to 2,713 ms traversing the cloud.

研究动机与目标

• 为应对V2X和OTA连接带来的联网汽车攻击面扩大问题。
• 在实际车辆原型中设计并部署一体化的、多层安全架构。
• 评估车载与基于云的安全机制在实际运行中的性能与有效性。
• 识别在虚假阳性、资源开销和响应延迟方面对汽车网络安全防御的关键挑战。

提出的方法

• 使用P4可编程交换机构建软件定义网络（SDN）骨干网络，以强制实施访问控制并限制通信流量。
• 采用机器学习实现网络异常检测系统（NADS），以检测与正常流量模式的偏差。
• 利用容器编排框架（K3S）在电子控制单元（ECUs）之间动态隔离和迁移应用，以实现事件响应。
• 建立基于云的汽车网络安全防御中心（ACDC），用于车队范围的监控、日志关联和集中式事件管理。
• 将SDN流控制与异常检测及编排机制集成，以实现自动化、自适应的对策响应。
• 测量端到端的事件检测与响应时间，包括FRTI、FHTI和FDTI，并与关键安全系统的需求进行对比。

实验结果

研究问题

• RQ1 在实际车辆原型中，基于SDN的访问控制在减少车载网络攻击面方面效果如何？
• RQ2 在真实流量上，基于机器学习的车载NADS检测准确率和误报率如何？
• RQ3 在响应时间和资源开销方面，车载与基于云的事件响应机制有何差异？
• RQ4 容器编排在嵌入式汽车系统中能在多大程度上实现敏捷、动态的网络事件响应？
• RQ5 在真实车载硬件上部署安全机制时，主要性能瓶颈是什么？

主要发现

• 车载对策实现了最大328毫秒的故障响应时间间隔（FRTI），满足典型关键安全系统的要求。
• 基于云的事件响应实现了最大2713毫秒的故障处理时间间隔（FHTI），仍在关键安全系统可接受范围内。
• 容器编排框架引入了最大1710毫秒的响应时间，其中大部分延迟源于管理与调度开销。
• NADS在控制与视频流量上表现出较低的误报率，但在高风险环境中仍需进一步调优以减少误报。
• SDN骨干网络成功限制了网络流量并减少了攻击面，提升了网络的可适应性与安全性。
• ACDC实现了车队范围的监控与事件管理，但开发车队级异常检测仍需高质量、真实的车队数据支持。