Detección de intrusos para sistemas de carga de vehículos eléctricos (EVCS)
Autores: ElKashlan, Mohamed; Aslan, Heba; Said Elsayed, Mahmoud; Jurcut, Anca D.; Azer, Marianne A.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección de intrusos para sistemas de carga de vehículos eléctricos (EVCS)
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Vehículos eléctricos
EVCS
Ciberataques
Sistema de detección de intrusiones
Técnicas de aprendizaje automático
Problemas de seguridad de IoT
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
El mercado de Vehículos Eléctricos (VEs) ha crecido enormemente, como se vio en la reciente Conferencia de las Partes 27 (COP27) celebrada en Sharm El Sheikh, Egipto en noviembre de 2022. Esto requiere la creación de un ecosistema que sea amigable y seguro. Las Estaciones de Carga de Vehículos Eléctricos (EVCSs) conectadas a Internet proporcionan una experiencia de usuario rica y servicios adicionales. Eventualmente, las EVCSs están conectadas a un sistema de gestión, que es el Sistema de Gestión de Estaciones de Carga de Vehículos Eléctricos (EVCSMS). El ataque al ecosistema de EVCS de forma remota a través de ciberataques está aumentando al mismo ritmo que los ataques físicos y vandalismo que ocurren en las EVCS físicas. El ciberataque es más grave que el ataque físico ya que puede afectar a miles de EVCSs al mismo tiempo. La Detección de Intrusos es vital para defenderse contra diversos tipos de ataques y actividades no autorizadas. Fundamentalmente, el problema del Sistema de Detección de Intrusos (IDS) es un problema de clasificación. El IDS intenta determinar si cada flujo de tráfico es legítimo o malicioso, es decir, una clasificación binaria. Además, el IDS puede identificar el tipo de tráfico malicioso, lo que se llama clasificación multiclase. En este trabajo, abordamos problemas de seguridad de IoT en EVCS utilizando diferentes técnicas de aprendizaje automático y utilizando el conjunto de datos nativo de IoT para descubrir tráfico fraudulento en EVCS, lo que no se ha realizado en ninguna investigación previa. También comparamos diferentes algoritmos clasificadores de aprendizaje automático para detectar ataques de Denegación de Servicio Distribuido (DDoS) en el entorno de red de EVCS. Se utiliza un conjunto de datos típico de Internet de las Cosas (IoT) obtenido a partir de tráfico real de IoT en el documento. Comparamos algoritmos de clasificación que se colocan en línea con el tráfico y contienen ataques de DDoS dirigidos a la red de EVCS. Los resultados obtenidos de esta investigación mejoran la estabilidad del sistema de EVCS y reducen significativamente el número de ciberataques que podrían interrumpir las actividades diarias asociadas con el ecosistema de EVCS.
Descripción
El mercado de Vehículos Eléctricos (VEs) ha crecido enormemente, como se vio en la reciente Conferencia de las Partes 27 (COP27) celebrada en Sharm El Sheikh, Egipto en noviembre de 2022. Esto requiere la creación de un ecosistema que sea amigable y seguro. Las Estaciones de Carga de Vehículos Eléctricos (EVCSs) conectadas a Internet proporcionan una experiencia de usuario rica y servicios adicionales. Eventualmente, las EVCSs están conectadas a un sistema de gestión, que es el Sistema de Gestión de Estaciones de Carga de Vehículos Eléctricos (EVCSMS). El ataque al ecosistema de EVCS de forma remota a través de ciberataques está aumentando al mismo ritmo que los ataques físicos y vandalismo que ocurren en las EVCS físicas. El ciberataque es más grave que el ataque físico ya que puede afectar a miles de EVCSs al mismo tiempo. La Detección de Intrusos es vital para defenderse contra diversos tipos de ataques y actividades no autorizadas. Fundamentalmente, el problema del Sistema de Detección de Intrusos (IDS) es un problema de clasificación. El IDS intenta determinar si cada flujo de tráfico es legítimo o malicioso, es decir, una clasificación binaria. Además, el IDS puede identificar el tipo de tráfico malicioso, lo que se llama clasificación multiclase. En este trabajo, abordamos problemas de seguridad de IoT en EVCS utilizando diferentes técnicas de aprendizaje automático y utilizando el conjunto de datos nativo de IoT para descubrir tráfico fraudulento en EVCS, lo que no se ha realizado en ninguna investigación previa. También comparamos diferentes algoritmos clasificadores de aprendizaje automático para detectar ataques de Denegación de Servicio Distribuido (DDoS) en el entorno de red de EVCS. Se utiliza un conjunto de datos típico de Internet de las Cosas (IoT) obtenido a partir de tráfico real de IoT en el documento. Comparamos algoritmos de clasificación que se colocan en línea con el tráfico y contienen ataques de DDoS dirigidos a la red de EVCS. Los resultados obtenidos de esta investigación mejoran la estabilidad del sistema de EVCS y reducen significativamente el número de ciberataques que podrían interrumpir las actividades diarias asociadas con el ecosistema de EVCS.