[论文解读] Security of Connected and Automated Vehicles

Mashrur Chowdhury, Mhafuzul Islam+1 more|arXiv (Cornell University)|Dec 24, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 48被引用 22

一句话总结

本文分析了网络物理系统（CPS）中联网和自动驾驶汽车（CAVs）的网络攻击面及安全漏洞，提出利用人工智能（AI）、5G、区块链和后量子密码学等新兴技术进行检测与缓解的策略。研究识别了CAV-CPS中的关键威胁，并评估了先进科技作为应对当前及未来网络攻击的主动防御手段。

ABSTRACT

The transportation system is rapidly evolving with new connected and automated vehicle (CAV) technologies that integrate CAVs with other vehicles and roadside infrastructure in a cyberphysical system (CPS). Through connectivity, CAVs affect their environments and vice versa, increasing the size of the cyberattack surface and the risk of exploitation of security vulnerabilities by malicious actors. Thus, greater understanding of potential CAV-CPS cyberattacks and of ways to prevent them is a high priority. In this article we describe CAV-CPS cyberattack surfaces and security vulnerabilities, and outline potential cyberattack detection and mitigation strategies. We examine emerging technologies - artificial intelligence, software-defined networks, network function virtualization, edge computing, information-centric and virtual dispersive networking, fifth generation (5G) cellular networks, blockchain technology, and quantum and postquantum cryptography - as potential solutions aiding in securing CAVs and transportation infrastructure against existing and future cyberattacks.

研究动机与目标

• 识别并分析由于连接性增强，联网和自动驾驶汽车（CAV）网络物理系统（CPS）中不断扩大的网络攻击面。
• 研究CAV及其与路边基础设施和通信网络集成中的现有及新兴安全漏洞。
• 评估新兴技术（如人工智能、软件定义网络、边缘计算和区块链）在提升CAV安全方面的潜力。
• 提出针对当前及未来针对CAV-CPS的网络威胁的检测与缓解策略。
• 评估后量子及抗量子密码学在长期保护CAV基础设施免受未来量子计算攻击中的作用。

提出的方法

• 基于车辆到车辆（V2V）、车辆到基础设施（V2I）和车辆到云（V2X）通信通道对CAV-CPS的攻击面进行分类。
• 映射CAV中通信协议、数据交换机制和系统架构中的安全漏洞。
• 评估人工智能在实时异常检测和行为分析中的作用，以识别潜在的网络入侵。
• 分析软件定义网络（SDN）和网络功能虚拟化（NFV）在CAV环境中实现动态、可编程网络安全部策略的作用。
• 研究边缘计算在网络边缘实现低延迟、本地化威胁检测与响应的作用。
• 分析信息中心网络（ICN）、虚拟分散网络和5G在提升CAV中数据完整性、可扩展性和安全通信方面的潜力。
• 评估区块链在分布式CAV系统中保障数据来源可追溯性、访问控制和安全日志记录方面的作用。
• 审查后量子及抗量子密码算法作为应对未来量子计算威胁的长期防御手段。

实验结果

研究问题

• RQ1 联网和自动驾驶汽车网络物理系统（CAV-CPS）的主要攻击面和安全漏洞是什么？
• RQ2 如何利用人工智能、5G和区块链等新兴技术实现实时检测与缓解CAV环境中的网络攻击？
• RQ3 边缘计算和软件定义网络在提升CAV安全架构的弹性与响应能力方面发挥什么作用？
• RQ4 后量子及抗量子密码学如何保护CAV系统免受未来量子计算威胁？
• RQ5 在将CAV与路边基础设施和蜂窝网络集成时，面临哪些架构和协议级别的安全挑战？

主要发现

• CAV集成到网络物理系统显著扩大了攻击面，原因在于广泛的V2X通信和系统间的相互依赖。
• 基于人工智能的异常检测可显著提升CAV网络中恶意行为的实时识别能力，且误报率较低。
• 5G与边缘计算可实现低延迟、本地化的威胁响应，减少对集中式系统的依赖，提升系统弹性。
• 区块链技术通过实现防篡改日志和访问控制，增强了CAV系统中的数据完整性和可审计性。
• 后量子密码算法（如基于格和哈希的方案）在防范未来量子攻击方面展现出强大潜力，可有效保护CAV通信安全。
• SDN、NFV与ICN的融合可实现更灵活、更安全的网络管理，减少CAV通信基础设施中的攻击面。