基于帧间隔-总线电压混合特征的汽车ECU伪装攻击识别

汽车的网联化和智能化发展提高了汽车内部总线CAN(controller aera network)网络被入侵的风险。不像以太网具有完善的身份认证机制和加密传输协议，总线CAN网络采用明文传输数据，其报文非常容易被非法ECU窃取和攻击。因此，如何设计车载的入侵检测系统识别ECU的非法篡改和伪装攻击成为当前汽车网络安全研究的重点和难点。基于此，本文提出了基于帧间隔-总线电压混合特征提取的汽车ECU伪装攻击识别技术。首先，借助嵌入式设备的时间戳机制获取报文帧的帧间隔时间；同时，采样汽车总线网络的电压信号，并采用快速信号处理技术获取总线电压的特征参数（如电压众数和边沿时间等），以此构建ECU识别的指纹特征（即混合特征参数，包含帧间隔时间、电压众数、位时间、边沿时间等）。然后，利用轻量化的Softmax学习算法训练IDS模型并在线识别潜在的伪装攻击等非法入侵行为。为了验证所提方法的有效性，本文开展了基于ECU设备的硬件试验测试；结果表明，所提方法对所有合法ECU的识别精度高达98.33%，即可以通过甄别报文消息源头判断非法入侵；并且相较于传统的基于单特征指纹的方法，本文所提方法能够提高7%左右的...     

面向铁路客运场景的对抗鲁棒性人头检测模型

基于人头检测的人群数量估计算法能为铁路客运车站应对突发客流、防止人群聚集提供有效的决策辅助，但人头检测使用的深度学习模型易受到对抗样本影响。为提升深度学习模型的对抗鲁棒性，建立了基于RetinaNet算法的人头检测模型；在Brianwash数据集上分别使用快速梯度符号法（FGSM,Fast Gradient Sign Method）和投影梯度下降（PGD,Projected Gradient Descent）2种对抗攻击方法生成对抗样本，初始模型在对抗样本数据集上的m AP值均有显著下降，验证了对抗攻击对模型性能影响的有效性；再对模型进行对抗训练，对抗训练后的模型在各类对抗样本验证数据集上的m AP值均有显著提升。实验结果表明，对抗训练后的人头检测模型能有效防御对抗样本的攻击，提升模型检测性能和对抗鲁棒性。     

基于AFC-TARA的车载网络组件风险率量化评估分析

信息安全设计的首要步骤是威胁分析与风险评估（threat analysis and risk assessment,TARA），以此确定安全需求和目标，为信息安全正向开发及安全漏洞修复提供依据。然而，当前TARA分析仅能对恶意攻击及安全漏洞的影响进行评估，即不支持对防护策略效用的量化评估。为此，本文提出了一种攻击和修复相结合的威胁分析与风险评估（attack and fix combined threat analysis and risk assessment,AFC-TARA）方法。通过将系统级车载网络架构的安全状态转换为连续时间马尔科夫链模型，并将转移速率与漏洞挖掘、漏洞修复及安全防护策略相关联，进而实现综合考虑攻击变量与防御变量的系统级车载网络架构安全分析与评估。     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成，一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法，一个适用于深度神经网络 （Deep Neural Network，DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销，以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明，基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度，提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%，进而降低了能耗，提高了吞吐量。此外，软硬件协同设计方法在保证检测精度不 降低的情况下，将耦合网络的能耗和运行时间分别降低了58%和54%。     

基于CB-CNN与分割残差优化的列控系统网络攻击流量检测

复杂环境中的列控系统容易遭到各类网络流量攻击，现有的攻击流量检测方法往往特征选择差、稳定性较弱，导致检测精度较低。为此，提出一种通道增强卷积神经网络与分割残差优化的攻击流量检测方法。首先通过降噪式自动编码器对正常流量进行建模，同时使用无监督训练将原始特征空间转换为重构特征空间；然后利用通道增强使相关误差向量转化为分类器的多通道输入变量；最后为增加神经网络的特征表示多样性，设计一种多路径的分割残差网络来优化CB-CNN,通过学习不同维度级别的流量特征来优化分类。实验结果表明：所提方法具有较好的训练性能，NSL-KDD数据集与真实铁路安全网络中获得的平均精确率分别为94.573%与96.78%。在误报率较低的同时均具有较好的分类可视化效果。综合对比其他检测方法，提出方法检测实时性较好，能够适用于复杂场景的列控系统网络攻击检测，在噪声存在时具有较好的鲁棒性。     

突发事件下中蒙跨境物流网络风险评估

我国是蒙古国最大的进出口贸易国，货物的流通依赖于稳定安全的物流网络，而突发事件的发生会对物流网络造成严重影响。本文基于地级市维度的公路网和口岸节点构建了中蒙跨境物流网络，结合中蒙贸易数据及复杂网络理论，针对突发事件对网络节点、连边的破坏过程进行了网络攻击仿真，从网络的可用性、能控性、网络风险效率和网络损失效率等方面分析了跨境物流网络的运作风险。仿真结果表明，靠近口岸、贸易量较大的节点对于物流网络的稳定运行具有较为关键的作用，同时在保证这些物流节点安全的前提下应重点关注介数较高的连边。     

基于孤立森林算法的铁路通信网潜在攻击检测方法研究

针对当前铁路通信网潜在攻击检测方法在识别异常攻击时忽略了对数据的降维处理,导致检测效率偏低、误报率和漏检率较高等问题,提出基于孤立森林算法的铁路通信网潜在攻击检测方法。将铁路通信网样本集通过数据类型划分为多个子集,通过对主成分进行分析,最大限度地减少不同子集间的降维影响,使各子集降维达到最佳;基于降维处理的数据,构建孤立森林潜在攻击检测器,判断数据异常行为;基于孤立森林算法更新铁路通信网潜在攻击检测器,实现铁路通信网潜在攻击检测。仿真试验结果:测试样本数量增加时,该算法的检测速率保持在90%以上,误报率和漏检率均小于等于0.02%,表明该方法在铁路通信网潜在攻击检测上具有一定的应用价值。     

AHP策略下CTCS网络安全风险评估方法

工业控制系统的网络安全风险评估通常受多种不确定性因素的影响，为有效降低评估过程中专家主观因素和其他不确定性因素对评估结果造成的影响，提出一种基于攻击树和层次分析法（Analytic Hierarchy Process,AHP）策略的网络安全风险评估方法，并将其应用于中国列车运行控制系统（Chinese Train Control System,CTCS）的风险评估实践。首先，分析CTCS结构及其安全威胁，并基于安全威胁构建攻击树模型；其次，研究CTCS安全事件的产生机制，基于AHP策略分析安全事件可能导致的损失，将不确定性因素纳入安全事件发生概率的计算，通过安全事件发生概率及其损失计算出CTCS的风险值，当被评估对象为新上线系统或专家评估经验不足时，为降低数据波动引起的评估偏差，计算时去掉安全事件概率的最大值和最小值；最后，基于所提方法开展风险评估试验并进行仿真。结果表明：考虑攻击不确定因子和影响因子，风险评估结果在较低风险至中风险连续区间内的分布率接近100%，相对于未考虑不确定性因素的情况，风险评估结果在连续区间的分布率提升了近15%；去掉安全事件概率的最大值和最小值时，风险评估结...