Multi-BSM: un enfoque de detección de anomalías y mitigación de ataques de falsificación de posición en vehículos conectados
Autores: Trabelsi, Zouheir; Shah, Syed Sarmad; Hayawi, Kadhim
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Multi-BSM: un enfoque de detección de anomalías y mitigación de ataques de falsificación de posición en vehículos conectados
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Tecnologías
Vehículos conectados
Seguridad
Mensajes básicos de seguridad
Ataques
Multi-BSM.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Con el surgimiento de las tecnologías emergentes en el campo del entorno vehicular, los vehículos conectados están avanzando a una velocidad rápida. El avance de estas tecnologías ayuda a las personas diariamente, ya sea para llegar de un lugar a otro, evitar el tráfico o prevenir que ocurra algún incidente peligroso. La seguridad es una de las principales preocupaciones en cuanto al entorno vehicular cuando se trata de desarrollar aplicaciones para vehículos conectados. Los vehículos conectados dependen de mensajes conocidos como mensajes básicos de seguridad (BSMs) que se transmiten repetidamente en su rango de comunicación para obtener información sobre su entorno. Diferentes tipos de ataques pueden ser iniciados por un vehículo en la red con intenciones maliciosas al insertar información falsa en estos mensajes, por ejemplo, velocidad, dirección y posición. Este documento se centra en los ataques de falsificación de posición que pueden llevarse a cabo en el entorno vehicular y evitarse utilizando el enfoque multi-BSM. Multi-BSM utiliza múltiples BSM consecutivos con diferentes parámetros para detectar y advertir a otros vehículos sobre los ataques de falsificación de posición. Multi-BSM se compara con otros algoritmos de detección de anomalías y se evalúa con simulaciones rigurosas. Multi-BSM muestra un alto nivel de detección de anomalías, incluso en una alta densidad de vehículos, con una tasa de precisión de hasta el 97% en comparación con los algoritmos respectivos.
Descripción
Con el surgimiento de las tecnologías emergentes en el campo del entorno vehicular, los vehículos conectados están avanzando a una velocidad rápida. El avance de estas tecnologías ayuda a las personas diariamente, ya sea para llegar de un lugar a otro, evitar el tráfico o prevenir que ocurra algún incidente peligroso. La seguridad es una de las principales preocupaciones en cuanto al entorno vehicular cuando se trata de desarrollar aplicaciones para vehículos conectados. Los vehículos conectados dependen de mensajes conocidos como mensajes básicos de seguridad (BSMs) que se transmiten repetidamente en su rango de comunicación para obtener información sobre su entorno. Diferentes tipos de ataques pueden ser iniciados por un vehículo en la red con intenciones maliciosas al insertar información falsa en estos mensajes, por ejemplo, velocidad, dirección y posición. Este documento se centra en los ataques de falsificación de posición que pueden llevarse a cabo en el entorno vehicular y evitarse utilizando el enfoque multi-BSM. Multi-BSM utiliza múltiples BSM consecutivos con diferentes parámetros para detectar y advertir a otros vehículos sobre los ataques de falsificación de posición. Multi-BSM se compara con otros algoritmos de detección de anomalías y se evalúa con simulaciones rigurosas. Multi-BSM muestra un alto nivel de detección de anomalías, incluso en una alta densidad de vehículos, con una tasa de precisión de hasta el 97% en comparación con los algoritmos respectivos.