[论文解读] Identifying ECUs Using Inimitable Characteristics of Signals in Controller Area Networks

Won Suk Choi, Hyo Jin Jo+4 more|arXiv (Cornell University)|Jul 2, 2016

Vehicular Ad Hoc Networks (VANETs)被引用 6

一句话总结

本论文提出了一种新颖的、硬件透明的方法，通过利用不同电子控制单元（ECUs）在物理层的独特信号特征，实现对车载CAN网络中ECU的识别，从而在不修改现有ECUs的前提下检测重放攻击。该方法通过采用扩展CAN帧格式并结合鲁棒的位串分类算法，在真实高速CAN环境（500 kbps）下，使误报率比先前工作降低两倍以上。

ABSTRACT

In the last several decades, the automotive industry has come to incorporate the latest Information and Communications (ICT) technology, increasingly replacing mechanical components of vehicles with electronic components. These electronic control units (ECUs) communicate with each other in an in-vehicle network that makes the vehicle both safer and easier to drive. Controller Area Networks (CANs) are the current standard for such high quality in-vehicle communication. Unfortunately, however, CANs do not currently offer protection against security attacks. In particular, they do not allow for message authentication and hence are open to attacks that replay ECU messages for malicious purposes. Applying the classic cryptographic method of message authentication code (MAC) is not feasible since the CAN data frame is not long enough to include a sufficiently long MAC to provide effective authentication. In this paper, we propose a novel identification method, which works in the physical layer of an in-vehicle CAN network. Our method identifies ECUs using inimitable characteristics of signals enabling detection of a compromised or alien ECU being used in a replay attack. Unlike previous attempts to address security issues in the in-vehicle CAN network, our method works by simply adding a monitoring unit to the existing network, making it deployable in current systems and compliant with required CAN standards. Our experimental results show that the bit string and classification algorithm that we utilized yielded more accurate identification of compromised ECUs than any other method proposed to date. The false positive rate is more than 2 times lower than the method proposed by P.-S. Murvay et al. This paper is also the first to identify potential attack models that systems should be able to detect.

研究动机与目标

• 解决CAN网络中的关键安全漏洞：缺乏消息认证机制以及对重放攻击的抵抗能力。
• 克服先前基于密码学和协议的解决方案的局限性，这些方案需要更换ECU或导致高总线负载。
• 开发一种实用且可部署的ECU识别方法，适用于现有的车载CAN基础设施。
• 在高速CAN条件（500 kbps）下测试并改进Murvay等人基于信号的ECU指纹技术，同时处理冲突场景。
• 通过利用物理层信号特征，实现实时检测被 compromise 或非授权ECU，且无需修改ECU硬件。

提出的方法

• 利用因硬件差异而产生的、无法被复制的物理层信号特征——特别是CAN帧中独特的位模式——来识别不同ECU。
• 使用扩展CAN帧格式（29位标识符）提取并分析更长、更稳定的位串，以实现ECU识别。
• 基于信号相关性和特征提取实现分类算法，以高精度区分不同ECU。
• 在CAN总线上部署一个被动监控单元，实时采集并分析信号，无需修改ECU固件或硬件。
• 设计系统以兼容标准CAN协议，并在实际环境中运行，包括处理信号冲突的情况。
• 利用物理层的信号传输时间和幅度变化生成唯一设备指纹，避免依赖消息内容或标识符。

实验结果

研究问题

• RQ1 能否可靠地利用CAN ECU的不可复制物理层信号特征，在真实车载网络中识别并区分各个独立ECU？
• RQ2 基于信号特征的ECU识别性能在高速CAN条件（500 kbps）下与低速CAN条件下的表现相比如何？
• RQ3 CAN网络中的信号冲突在多大程度上影响基于标识符字段或信号模式的ECU指纹识别准确性？
• RQ4 被动监控单元能否通过分析信号指纹，在不修改现有ECU或网络基础设施的前提下检测出被 compromise 或非授权ECU？
• RQ5 与先前工作相比，所提方法在真实车载网络条件下的误报率如何，尤其在高负载和复杂环境下？

主要发现

• 所提方法的误报率比Murvay等人提出的方法降低两倍以上，证明了其在ECU识别方面具有更高的精度。
• 基于位串分析的分类算法在高速CAN条件（500 kbps）下仍能实现高精度的ECU识别，模拟了真实车辆环境。
• 在信号冲突情况下，该方法依然有效，因其依赖于物理层信号特征，而非基于仲裁的标识符字段。
• 该系统完全兼容标准CAN协议，无需更换ECU硬件，仅需更新固件以支持扩展帧格式。
• 监控单元以被动透明方式运行，对网络造成的开销极小，且总线负载保持在50%以下。
• 本工作首次正式识别并建模了可利用物理层信号指纹检测的潜在重放攻击场景。