Detecting subtle cyberattacks on adaptive cruise control vehicles: A machine learning approach

要約

アダプティブ クルーズ コントロール (ACC) やその他の自動運転機能などの高度な運​​転支援システムを搭載した車両の出現により、これらの自動運転車両 (AV) に対するサイバー攻撃の可能性が浮上しています。
車両を強制的に衝突させるようなあからさまな攻撃は簡単に特定できるかもしれませんが、運転行動をわずかに変えるだけのより陰湿な攻撃は、簡単に検出されずにネットワーク全体の渋滞、燃料消費量、さらには衝突の危険性を増大させる可能性があります。
このような攻撃の検出に対処するために、最初に、車両制御コマンドの悪意のある操作、センサー測定に対する誤ったデータ注入攻撃、およびサービス拒否 (DoS) 攻撃という 3 つのタイプの潜在的なサイバー攻撃に対するトラフィック モデル フレームワークを提示します。
次に、これらの攻撃の影響を個々の車両 (ミクロ) レベルと交通の流れ (マクロ) レベルの両方で調査します。
新しい敵対的生成ネットワーク (GAN) ベースの異常検出モデルが、車両の軌跡データを使用してそのような攻撃をリアルタイムで識別するために提案されています。
私たちは、ACC 搭載車両に対するサイバー攻撃の検出における機械学習アプローチの有効性を示す数値証拠を提供します。
提案された方法は、最近提案されたいくつかのニューラル ネットワーク モデルと比較され、ACC 車両の異常な運転挙動を識別する精度が高いことが観察されました。

要約(オリジナル)

With the advent of vehicles equipped with advanced driver-assistance systems, such as adaptive cruise control (ACC) and other automated driving features, the potential for cyberattacks on these automated vehicles (AVs) has emerged. While overt attacks that force vehicles to collide may be easily identified, more insidious attacks, which only slightly alter driving behavior, can result in network-wide increases in congestion, fuel consumption, and even crash risk without being easily detected. To address the detection of such attacks, we first present a traffic model framework for three types of potential cyberattacks: malicious manipulation of vehicle control commands, false data injection attacks on sensor measurements, and denial-of-service (DoS) attacks. We then investigate the impacts of these attacks at both the individual vehicle (micro) and traffic flow (macro) levels. A novel generative adversarial network (GAN)-based anomaly detection model is proposed for real-time identification of such attacks using vehicle trajectory data. We provide numerical evidence {to demonstrate} the efficacy of our machine learning approach in detecting cyberattacks on ACC-equipped vehicles. The proposed method is compared against some recently proposed neural network models and observed to have higher accuracy in identifying anomalous driving behaviors of ACC vehicles.

arxiv情報

著者 Tianyi Li,Mingfeng Shang,Shian Wang,Raphael Stern
発行日 2025-01-02 03:21:42+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.MA パーマリンク