基于圖的新統計方法可檢測對車輛通信網絡的威脅

巴爾的摩縣馬里蘭大學(UMBC)的研究人員致力于創造提高技術復雜車輛安全性的方法。現在，大多數新車都使用復雜的計算技術運行，因此它們容易受到網絡上惡意攻擊的攻擊，這可能導致災難性的安全問題。計算機科學與電氣工程學助理教授Riadul Islam與UMBC和密歇根大學迪爾伯恩分校的合作者合作，創建了一種簡單易用的方法來檢測安全漏洞。這項研究發表在電氣和電子工程師協會(IEEE)出版的《關于智能交通系統的交易》中。

當前，在汽車工業中使用最廣泛的車內通信網絡是控制器局域網(CAN)。該網絡的使用非常簡單，因此對消費者和制造商都具有吸引力，但這種簡單性也使其容易受到潛在的安全威脅。

CAN本質上是一個廣播網絡，因此任何實體都可以“讀取”來自汽車的消息，并可能發送沖突的消息。可以使用CAN網絡從其他設備遠程控制汽車。這既是一個功能，又是一個錯誤，它帶來了許多新的創新，也引發了安全隱患。實體可能會控制網絡并向車輛發送新命令，從而造成危險情況，例如禁用故障或導致引擎故障。

徹底消除這些可能的威脅的第一步是檢測它們。根據伊斯蘭教，檢測這些威脅不需要廣泛的技術。相反，他的方法涉及制定基于圖形的異常檢測技術，該技術將“輕松顯示數據之間的復雜關系”。

Islam的團隊使用制作的圖表來演示網絡上的數據，并進行了簡單的統計分析以檢測入侵者或威脅。這種方法不需要昂貴的機械。取而代之的是，它依賴于統計學家已經很好理解并且能夠直觀地起作用的方法。

根據伊斯蘭組織的說法，使用統計方法來檢測CAN中的潛在威脅的主要好處是，它的成本效益“高出一個數量級”。他解釋說：“統計方法比機器學習或人工智能方法所需的能量更少。”

隨著自動駕駛或高度計算機化汽車的前景成為現實，檢測和解決網絡漏洞變得至關重要。伊斯蘭和他的團隊表明，完成這項任務不需要復雜或昂貴。相反，汽車制造商可以通過使用數據和統計分析來實時識別威脅來保持簡單性。將來，由伊斯蘭開發的統計方法將以數字方式提供，以最大程度地確保可訪問性，因為車輛具有比以往任何時候都更多的功能。