Une nouvelle méthode statistique graphique détecte les menaces sur les réseaux de communication des véhicules


réseau

Crédit photo: Pixabay / CC0 Public Domain

Des chercheurs de l’Université du Maryland, dans le comté de Baltimore (UMBC) ont travaillé à l’élaboration de méthodes pour améliorer la sécurité des technologiquement complexes. Maintenant que la plupart des nouvelles voitures sont alimentées par une technologie informatique sophistiquée, elles sont vulnérables aux attaques malveillantes sur leurs réseaux qui peuvent entraîner des problèmes de sécurité catastrophiques. Riadul Islam, professeur adjoint d’informatique et de génie électrique, a travaillé avec le personnel de l’UMBC et de l’Université du Michigan-Dearborn pour développer une simple et facilement personnalisable pour détecter les failles de sécurité. La recherche est publiée dans la publication de l’Institution of Electrical and Electronic Engineers (IEEE) Transactions sur les systèmes de transport intelligents.

Le Controller Area Network (CAN) est actuellement le de communication embarqué le plus utilisé dans l’industrie automobile. Ce réseau est très simple d’utilisation, ce qui le rend attractif pour les consommateurs et les industriels. Cependant, cette simplicité le rend également vulnérable aux menaces de sécurité potentielles.

Le CAN est essentiellement un réseau de diffusion, donc toute entité a la capacité de «lire» les messages provenant d’une voiture et d’envoyer des messages potentiellement conflictuels. Une voiture peut être contrôlée à distance depuis un autre appareil via le réseau CAN. C’est à la fois une fonctionnalité et un bug qui permet de nombreuses innovations et crée également des problèmes de sécurité. Une entité pourrait prendre le contrôle du réseau et envoyer de nouvelles commandes à un véhicule, créant des circonstances dangereuses, par ex. B. désactiver les freins ou provoquer une panne moteur.

La première étape pour éradiquer complètement ces menaces potentielles est de les identifier. Selon l’Islam, la détection de ces menaces ne nécessite pas une technologie extensive. Au lieu de cela, son approche consiste à formuler des techniques de détection d’anomalies basées sur des graphiques qui «montrent facilement la relation complexe entre les ».

L’équipe de l’Islam a pris les graphiques qui ont été créés pour démontrer les données sur le réseau et a effectué une analyse statistique simple pour détecter les intrus ou les menaces. Cette méthode ne nécessite pas de machines coûteuses; Au lieu de cela, il repose sur des méthodes qui sont déjà bien comprises par les statisticiens et peuvent fonctionner de manière intuitive.

Le principal avantage de l’utilisation d’une méthode statistique pour détecter les menaces potentielles dans la CAN est qu’elle est d’un ordre de grandeur moins coûteuse, selon l’Islam. «La méthode statistique nécessite moins d’énergie que l’apprentissage automatique ou les méthodes artificiellement intelligentes», explique-t-il.

Alors que la perspective de voitures autonomes ou hautement contrôlées par ordinateur devient une réalité, l’identification et la correction des vulnérabilités du réseau devient impérative. L’Islam et son équipe ont montré que cette tâche n’a pas besoin d’être complexe ou coûteuse pour être efficace. Au lieu de cela, les constructeurs automobiles peuvent maintenir la simplicité en utilisant des données et des analyses statistiques pour identifier les menaces en temps réel. À l’avenir, la méthode statistique développée par l’Islam sera disponible numériquement pour assurer la meilleure accessibilité possible, car les véhicules sont créés avec plus de fonctions que jamais.


Technologie IA pour identifier les conducteurs dangereux


Plus d’information:
Riadul Islam et al., Système de détection d’intrusion à base de graphes pour les réseaux de contrôleurs, Transactions IEEE sur les systèmes de transport intelligents (2020). DOI: 10.1109 / Seins.2020.3025685

Fourni par l’Université du Maryland Baltimore County

Citation: Une méthode statistique basée sur des graphiques détecte les menaces pesant sur les réseaux de communication des véhicules (24 novembre 2020), consultée le 24 novembre 2020 sur https://techxplore.com/news/2020-11-graph-based-statistical-method-threats-vehicular étaient. html

Ce document est soumis au droit d’auteur. Sauf pour le commerce équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.

Laisser un commentaire