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...