logo móvil
Contáctanos

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

Descargar PDF

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


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.

Otros recursos que podrían interesarte

Temas Virtualpro