[论文解读] On the Security of Networked Control Systems in Smart Vehicle and its Adaptive Cruise Control

Faezeh Farivar, Mohammad Sayad Haghighi+2 more|arXiv (Cornell University)|Aug 2, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 29被引用 7

一句话总结

本文提出了一种基于神经网络的入侵检测与补偿系统，用于智能车辆自适应巡航控制（ACC）的防护，以检测并缓解隐蔽的网络攻击，此类攻击会操纵控制信号但不会立即被察觉。通过将实时ACC输出与神经网络标识器的预测结果进行比较，系统可标记异常并切换至备用PID控制器，从而在模拟环境中以高精度检测并缓解隐蔽攻击。

ABSTRACT

With the benefits of Internet of Vehicles (IoV) paradigm, come along unprecedented security challenges. Among many applications of inter-connected systems, vehicular networks and smart cars are examples that are already rolled out. Smart vehicles not only have networks connecting their internal components e.g. via Controller Area Network (CAN) bus, but also are connected to the outside world through road side units and other vehicles. In some cases, the internal and external network packets pass through the same hardware and are merely isolated by software defined rules. Any misconfiguration opens a window for the hackers to intrude into vehicles' internal components e.g. central lock system, Engine Control Unit (ECU), Anti-lock Braking System (ABS) or Adaptive Cruise Control (ACC) system. Compromise of any of these can lead to disastrous outcomes. In this paper, we study the security of smart vehicles' adaptive cruise control systems in the presence of covert attacks. We define two covert/stealth attacks in the context of cruise control and propose a novel intrusion detection and compensation method to disclose and respond to such attacks. More precisely, we focus on the covert cyber attacks that compromise the integrity of cruise controller and employ a neural network identifier in the IDS engine to estimate the system output dynamically and compare it against the ACC output. If any anomaly is detected, an embedded substitute controller kicks in and takes over the control. We conducted extensive experiments in MATLAB to evaluate the effectiveness of the proposed scheme in a simulated environment.

研究动机与目标

• 为应对智能车辆网络化控制系统日益增长的安全风险，特别是在车联网（IoV）和车载自组织网络（VANETs）的背景下。
• 识别并分析两类针对自适应巡航控制（ACC）系统的隐蔽攻击，这些攻击通过操纵控制信号诱导不安全状态，但不会触发传统检测机制。
• 设计一种入侵检测系统（IDS），利用神经网络标识器预测ACC系统行为，并实现实时异常检测。
• 实施一种基于嵌入式PID控制器的动态补偿机制，当检测到攻击时自动激活，以维持系统稳定性和安全性。
• 在MATLAB仿真环境中评估所提出的检测与缓解框架的有效性。

提出的方法

• 训练一个神经网络标识器，基于输入信号学习ACC系统的动态行为，实现实时预测预期的系统输出。
• 入侵检测系统（IDS）通过统计指标将实际ACC输出与神经网络预测输出进行比较，以检测异常。
• 当实际输出与预测输出之间的偏差超过预设阈值时，即判定为异常，表明可能存在隐蔽攻击。
• 在检测到异常后，系统将主控制器切换至备用嵌入式PID控制器，以维持控制与稳定性。
• 整个检测与补偿机制在MATLAB仿真环境中实现并测试，以评估其在各种攻击场景下的性能表现。
• 系统设计为实时运行，确保攻击检测与响应的延迟最小化。

实验结果

研究问题

• RQ1 当隐蔽攻击被设计为避免触发传统入侵检测系统时，如何实现对自适应巡航控制系统攻击的有效检测？
• RQ2 神经网络标识器在准确预测ACC系统行为方面发挥何种作用，以实现有效的异常检测？
• RQ3 所提出的IDS在区分正常运行波动与控制信号恶意操纵方面效果如何？
• RQ4 在原控制器失效的情况下，嵌入式PID控制器在补偿攻击引起的扰动方面表现如何？
• RQ5 所提出的检测与补偿框架能否在隐蔽网络攻击下维持车辆的安全性与控制目标？

主要发现

• 所提出的基于神经网络的IDS能够以高灵敏度成功检测ACC系统上的短期瞬态和长期稳态隐蔽攻击。
• 基于实际输出与预测输出差异的统计异常检测方法，能够可靠识别恶意信号操纵。
• 在检测到攻击后切换至嵌入式PID控制器，有效维持了车辆控制并防止了不安全行为，确保了系统稳定性。
• 仿真结果表明，系统能够以极小延迟检测攻击，并在持续操纵下仍保持良好的控制性能。
• 该框架在缓解旨在缩短车距或引发突然速度变化的攻击影响方面表现出色，有效维护了安全目标。
• 该方法在检测准确率与低误报率之间取得了良好平衡，适用于安全关键型车载系统的实时部署。