[论文解读] Impact Evaluation of Falsified Data Attacks on Connected Vehicle Based Traffic Signal Control

Shihong Huang, Wai Wong+4 more|arXiv (Cornell University)|Oct 9, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 43被引用 5

一句话总结

本文在現實的黑箱威脅模型下，評估偽造資料攻擊對連接車輛交通號誌控制（CV-TSC）系統的影響，其中攻擊者透過代理模型學習控制邏輯，並注入惡意資料以操弄關鍵交通特徵。結果顯示，即使知識與資源有限，攻擊者仍可使總延遲增加高達23%，顯示系統存在嚴重漏洞，並強調需建立主動防禦機制。

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).

研究动机与目标

• 在攻擊者無法直接存取控制邏輯的情境下，評估網路攻擊對CV-TSC系統之實際影響。
• 調查攻擊者是否能透過訓練於可觀察系統行為的代理模型，推斷號誌控制邏輯。
• 評估當偽造車輛資料被注入以操弄關鍵交通特徵時，CV-TSC系統的效能退化情況。
• 探討針對此類攻擊的可行防禦策略，特別是基本安全訊息（BSM）中的異常檢測。
• 為未來CV-TSC部署中建立主動安全機制奠定基礎。

提出的方法

• 建立代理模型，訓練資料來源為實際號誌時序計畫與交通特徵（如ETA、NAV），以模擬實際CV-TSC系統的行為。
• 利用代理模型根據即時交通狀況預測號誌時序計畫，使攻擊者能在不逆向工程的情況下估算控制邏輯。
• 識別出兩項關鍵交通特徵——預計抵達時間（ETA）與接近車輛數（NAV）——其對號誌時序決策具有顯著影響。
• 透過產生惡意基本安全訊息（BSM）模擬偽造資料注入，以改變這些關鍵特徵，從而誘導最佳化模型產生誤判。
• 採用基於梯度的優化方法，以確定「最佳」偽造資料，使偽最佳與實際號誌時序計畫之間的差異最大化。
• 比較系統在正常運作、代理模型控制與各種攻擊情境下的表現（以總延遲衡量），以量化影響程度。

实验结果

研究问题

• RQ1 攻擊者是否能在未直接存取系統或其原始碼的情況下，推斷CV-TSC系統的號誌控制邏輯？
• RQ2 代理模型在複製實際CV-TSC系統（如I-SIG）行為方面的有效性如何？
• RQ3 當攻擊者僅操弄關鍵交通特徵時，偽造資料攻擊對CV-TSC系統的效能影響為何？
• RQ4 資源可用性程度（例如偽造軌跡數量）如何影響攻擊的嚴重性？
• RQ5 有哪些防禦機制可減輕此類攻擊，特別是透過早期檢測異常BSM？

主要发现

• 代理模型僅導致總延遲增加1.5%，成功模擬實際I-SIG控制邏輯，證實其在複製系統行為方面的準確性。
• 攻擊者僅需注入一個偽造軌跡（基於ETA特徵），即可使總延遲增加19%，即使完全不了解精確控制邏輯亦可達成。
• 當多個偽造軌跡針對NAV特徵進行攻擊時，總延遲增加達23%，顯示資源可用性會放大攻擊影響。
• 系統對ETA與NAV的操弄特別敏感，這兩項是號誌時序最佳化過程中最具影響力的交通特徵。
• 結果顯示，在現實的黑箱條件下，CV-TSC系統易受複雜但低成本的偽造資料攻擊影響。
• 主動防禦策略（例如基於行為不一致性的異常BSM檢測）展現潛力，建議未來研究進一步探討。