推荐 9.5
Conf: 50%
本文针对车载网络(IVN)面临的注入攻击威胁,提出了一种状态感知的防御机制SAID(State-aware Defense Against Injection Attacks on In-vehicle Network)。车载网络是现代汽车的关键组成部分,但其安全性日益受到挑战,尤其是注入攻击(如伪造或篡改CAN总线消息)可能导致车辆失控等严重后果。现有防御方案多基于规则或异常检测,但难以应对日益复杂的攻击模式,且缺乏对车辆运行状态的感知。SAID的核心思想是利用车辆内部的状态信息(如车速、引擎状态、方向盘角度等)来动态地评估和过滤网络消息的合法性。该方法首先通过分析车辆的运行状态,建立状态转移图,并定义每个状态下合法的消息模式。然后,在运行时,SAID实时监控网络流量和车辆状态,将接收到的消息与当前状态下的合法模式进行比对,任何不符合状态预期的消息将被标记为攻击并予以阻断。实验基于真实车辆数据集和模拟攻击场景进行,结果表明SAID能够有效检测多种注入攻击(包括伪造消息、重放攻击等),同时保持极低的误报率。与传统的基于阈值或固定规则的防御相比,SAID将检测率提升至99%以上,误报率低于0.5%,且对车辆正常通信的延迟影响可忽略不计。该工作为车载网络安全提供了一种新颖的、上下文感知的防御思路,适合汽车安全工程师、嵌入式系统安全研究人员以及汽车制造商的安全团队阅读。
💡 推荐理由: 车载网络注入攻击可能导致车辆失控,威胁生命安全。SAID首次将车辆状态信息引入防御,显著提升检测精度,对智能网联汽车安全防护有直接应用价值。
🎯 建议动作: 研究跟进
排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)