MDBV: Monitoring Data Batch Verification for Survivability of Internet of Vehicles
随着车载传感器和无线通信技术的发展,车联网技术应运而生,它可以提高交通效率,提供舒适的驾驶环境。然而,如何确保车联网的生存能力仍然是一个挑战。幸运的是,这一目标可以通过快速验证实时监控数据来实现,以避免网络故障。聚合签名是实现快速数据验证的有效途径。提出了一种基于改进的无证书聚合签名的车联网监控数据批量验证方案MDBV。聚合验证消息的大小保持大致恒定,即使随着MDBV中车辆数量的增加。此外,MDBV被证明是安全的随机预言模型假设计算Diffie-Hellman问题的棘手性。考虑到网络的生存性和性能,提出的MDBV可以减少计算开销,更适合IoV。
2018-11-09 cs.CR
Risk Assessment and Threat Modeling for safe autonomous driving technology
本文针对自动驾驶汽车各组件面临的网络安全威胁,采用OWASP Threat Dragon和STRIDE框架构建威胁模型,并通过系统性风险评估识别感知、规划、控制及通信接口中的脆弱性,为安全自动驾驶提供防护依据。
2025-05-04 cs.CR
Collaborative Approaches to Enhancing Smart Vehicle Cybersecurity by AI-Driven Threat Detection
Cisco(思科公司);York University(约克大学)
本文探讨通过AI驱动的威胁检测及5G、区块链、量子计算等先进技术集成,以协作方式增强智能车辆网络安全,并强调高效入侵检测系统与安全软硬件栈在未来自动驾驶车辆中的关键作用。
2024-12-31 cs.AI cs.CR
Modeling Interdependent Cybersecurity Threats Using Bayesian Networks: A Case Study on In-Vehicle Infotainment Systems
本文以车载IVI系统为案例,将基于STRIDE的攻击树转换为贝叶斯网络,结合CPT、归一化DREAD、do-calculus和敏感性分析评估相互依赖的网络安全风险。
2025-05-14 cs.CR
FAST-IDS: A Fast Two-Stage Intrusion Detection System with Hybrid Compression for Real-Time Threat Detection in Connected and Autonomous Vehicles
Department of Computer Science and Information Systems, BITS Pilani, Pilani Campus(计算机科学与信息系统系,比斯汉学院)
FAST-IDS是一种用于连接与自动驾驶车辆实时威胁检测的快速两阶段入侵检测系统,采用混合压缩技术提升实时检测性能。
2025-12-30 cs.AI cs.CR
SaSeVAL: A Safety/Security-Aware Approach for Validation of Safety-Critical Systems
公路车辆通信和自动驾驶能力的提高导致了攻击者施加的威胁。特别是,必须查明导致违反安全规定的袭击,以便采取适当措施加以解决。攻击的影响取决于所利用的威胁、潜在的对策和流量状况。为了识别这种攻击并将其用于测试,我们提出了一种系统化的方法SaSeVAL,用于推导自动驾驶汽车的攻击。SaSeVAL基于威胁识别和安全性分析。考虑了汽车用例对攻击的影响。威胁识别考虑车辆的攻击界面,并根据威胁类型对威胁场景进行分类,然后将威胁场景映射到攻击类型。安全性分析根据被测系统的体系结构确定必须测试的必要要求。它确定了安全违规可能产生的安全影响,以及在哪些交通状况下预计会产生最大的影响。最后,威胁识别和安全性分析的结果被用来描述攻击。SaSeVAL的目标是实现车辆w.r.t.的安全验证。安全问题。它明确地将安全目标追溯到威胁和攻击。因此,安全测试的安全问题的覆盖范围得到了保证。车辆通信和自动驾驶的两个用例进行了调查,以证明该方法的适用性。
2021-06-25 cs.CR
ATLAS: AI-Assisted Threat-to-Assertion Learning for System-on-Chip Security Verification
Department of Electrical and Computer Engineering, University of Central Florida(电子与计算机工程系,中央佛罗里达大学);Intel Corporation(英特尔公司)
ATLAS通过结合人工智能和形式验证技术,实现了基于漏洞知识的自动化SoC安全验证,提高了安全设计的可靠性。
2026-03-01 cs.AI cs.CR
A systematic literature review on Internet of Vehicles Security
车联网车联网通常被称为互联汽车,是一个连接各种实体的庞大网络,包括用户、传感器和车辆。它们将通过网络连接,以减少交通事故,提高智能车辆的安全性。车联网受到各种各样的威胁,包括欺骗攻击、识别攻击、隐私攻击和验证攻击。创建任何新的智能小工具是用户的安全,这将通过识别各种网络威胁的解决方案来提高。因此,我们将在这篇文献综述中介绍智能汽车的安全性,包括它们的攻击和解决方案。
2022-12-16 cs.CR
Cybersecurity Threat Analysis And Attack Simulations For Unmanned Aerial Vehicle Networks
本研究针对无人机网络的安全漏洞,利用Raspberry Pi3等基础工具进行威胁分析与攻击模拟,并提出创新防御方案以保障关键基础设施安全。
2024-02-12 cs.CR
Peripheral Authentication for Parked Vehicles over Wireless Radio Communication
外围设备认证是车辆网络中的一个重要方面,用于仅向认证的外围设备提供服务,并向内部车辆模块(例如防抱死制动系统、动力传动系控制模块、发动机控制单元、变速器控制单元和轮胎压力监测)提供安全性。本文提出了一种三次握手方案,用于车辆对钥匙链的认证。钥匙扣是一种带有安全硬件的钥匙,可通过无线信道与车辆进行通信和身份验证。传统上,车辆到密钥卡的认证是通过挑战-响应验证协议来实现的。车辆身份和密钥卡之间的真实耦合避免了对车辆的任何非法访问。然而,这些认证消息可以由主动对手中继,从而可以放大真实车辆和密钥卡之间的实际距离。最终,对手可以通过中继无线信号而无需任何努力来生成或解码秘密凭证来访问车辆。因此,车辆到密钥卡认证方案必须包含附加属性验证,诸如密钥卡持有者的物理移动。我们的解决方案是一个两方和三路握手计划与主动和被动的承诺验证。所提出的解决方案还使用时间间隔验证,使得车辆和密钥卡两者将在类似的观察时间间隔内产生动态密钥卡的类似运动模式。因此,该解决方案不同于需要多次迭代以进行往返延迟测量的距离边界协议。所提出的方案是适应现有的承诺计划,如Schnorr识别计划和Pedersen承诺计划。
2018-07-31 cs.CR
Design for Assurance: Employing Functional Verification Tools for Thwarting Hardware Trojan Threat in 3PIPs
本研究针对第三方知识产权核中硬件木马难检测的问题,提出利用功能验证工具、以查找表为粒度分析并形式化验证来定位木马,再通过重配置恶意查找表实现防护,可有效检测缓解Trust-Hub及最新无关项木马。
2023-11-21 cs.CR
SoK: How Sensor Attacks Disrupt Autonomous Vehicles: An End-to-end Analysis, Challenges, and Missed Threats
University of Michigan(密歇根大学);Duke University(杜克大学)
本文系统综述传感器攻击对自动驾驶汽车的影响,提出SEPG框架映射错误传播路径,提炼8项发现并揭示12个被忽视的攻击向量,验证了框架有效性和LLM辅助分析的潜力。
2026-09-09 cs.CR
Anomaly Detection from Cyber Threats via Infrastructure to Automated Vehicle
当在能见度有限的高密度交通情况下自动驾驶时,使用结构到车辆(I2V)信息可以带来很大的好处,因为外部传感器增强了车辆的感知能力。在本研究中,引入了一种方法来提高车辆在交叉路口的自我意识,以应对使用I2V通信时可预见的最大挑战之一:网络安全。引入的异常检测算法在自动驾驶汽车上运行,评估I2V通信的健康状况,以抵御多种网络安全攻击。该分析是在模拟环境中进行的,使用了Secredas项目(跨域可靠依赖自动化系统的网络安全)的网络攻击场景,并提供了车辆在面临不同类型和幅度的I2V网络攻击以及传感器冗余丢失时的局限性。结果表明,自动驾驶汽车可以稳健地检测和缓解注入的异常,使其能够更安全,更舒适地做出反应,并在交叉路口保持正确的目标跟踪。
2021-04-23 cs.CR math.OC
Threats and Countermeasures of Cyber Security in Direct and Remote Vehicle Communication Systems
交通管理、道路安全和环境影响是当今世界的重要问题。智能交通系统(ITS)的传感、控制和通信方法的应用解决了这些挑战。ITS的一部分是车辆自组织网络(VANET),其意味着车辆的无线网络。然而,在VANET中的车辆之间的通信暴露了一些需要研究和解决的安全威胁。本文首先阐述了车载自组网的基本流程,重点介绍了车载自组网的通信方式、体系结构、特点、标准和安全设施。其次,讨论了VANET面临的攻击和威胁。此外,描述了认证系统,通过该认证系统可以保护车辆网络免受虚假消息和恶意节点的攻击。讨论了远程无钥匙进入系统、专用短程通信、蜂窝方案、Zigbee、蓝牙、射频识别、WiFi、WiMAX等不同远程车辆通信方式以及车载诊断和通用串行总线等不同直接车辆通信方式的安全威胁和应对措施。
2020-06-11 cs.CR cs.IT eess.SP
Risk Assessment of Autonomous Vehicles Using Bayesian Defense Graphs
最近的发展使自动驾驶汽车(AV)更接近我们的道路。然而,它们的安全性仍然是驾驶员和制造商的主要关注点。虽然已经做了一些工作来识别威胁和可能的解决方案,但需要一个理论框架来衡量AV的安全性。在本文中,提出了一个简单的安全模型的基础上,防御图,以定量评估的可能性的组件上的AV的可用对策的存在下的威胁。然后应用贝叶斯网络(BN)分析来获得相关联的安全风险。在一个案例研究中,模型和分析研究了GPS欺骗攻击,以证明所提出的方法的有效性,一个高度脆弱的组件。
2019-03-05 cs.CR
ACTISM: Threat-informed Dynamic Security Modelling for Automotive Systems
本文提出ACTISM框架,通过威胁知情和后果驱动的动态迭代安全建模增强汽车系统韧性,并以特斯拉车载信息娱乐系统为例验证其有效性。
2025-02-05 cs.CR
Wiggle: Physical Challenge-Response Verification of Vehicle Platooning
自动驾驶车辆排队有许多好处,如燃油效率,道路安全,减少交通拥堵和乘客舒适度。车队车辆在一个单一的文件,在近距离,并在相同的速度。车队编队由一个协同自适应巡航控制(CACC)系统自主维持,该系统依赖于传感数据和车对车(V2 V)通信。事实上,V2 V消息在缩短队列距离同时保持安全方面发挥着关键作用。虽然V2 V消息完整性和源身份验证可以通过加密方法进行验证,但确定消息内容的真实性是一项更艰巨的任务。这项工作建立了一个物理访问控制机制,以限制V2 V消息队列成员。具体来说,我们的目标是将请求加入排的候选人的数字身份与其相对于排的物理轨迹联系起来。我们提出了{ \em Wiggle}协议,该协议采用物理挑战-响应交换来证明请求加入队列的候选人实际上遵循它。{ \em Wiggle}可防止任何远程对手加入队列并注入伪造的CACC消息。与已有的算法相比,{ \em Wiggle}能够抵抗预录攻击,并且能够验证候选者是否在同一通道上位于验证者的正后方.
2022-08-31 cs.CR
AI-Assisted Hardware Security Verification: A Survey and AI Accelerator Case Study
University of Florida(佛罗里达大学)
本文综述了AI辅助硬件安全验证的最新进展,通过NVDLA案例研究展示AI在自动化验证流程中的应用,强调AI输出需基于仿真证据和形式验证确保可信安全。
2026-04-02 cs.CR
Evaluating Open-Weight LLMs for Generating Structured Threat Information for Autonomous Vehicle Vulnerabilities
The University of Alabama(阿拉巴马大学);Alabama Water Institute(阿拉巴马水研究所)
研究自动驾驶车辆漏洞相关结构化威胁信息生成问题,利用开放权重语言模型,通过构建CAV-STIXGen数据集评估11个模型,分析CWE和MITRE ATT&CK共现,展示AI辅助转换可自动化威胁情报并优先防御运输安全。
2026-07-20 cs.AI cs.CR
Unveiling the Stealthy Threat: Analyzing Slow Drift GPS Spoofing Attacks for Autonomous Vehicles in Urban Environments and Enabling the Resilience
本研究提出了一种针对城市自动驾驶车辆的隐蔽慢漂移 GPS 欺骗攻击,通过改变伪距使车辆逐渐偏离路线,并利用原始与欺骗伪距间的强相关性构建有效防御机制。
2024-01-02 cs.CR
Electric Vehicles Security and Privacy: Challenges, Solutions, and Future Needs
电动汽车(EV)与传统的化石燃料汽车共享共同的技术,但它们也采用新的技术和组件(例如,充电系统和电池管理系统),为恶意用户创造了一个未开发的攻击面。虽然文献中的多个贡献探讨了电动汽车生态系统特定组件的网络安全方面(例如,充电基础设施),从网络物理系统的角度来看,仍然没有对电动汽车及其相关技术的整体网络安全做出贡献。在本文中,我们首次深入研究了与电动汽车生态系统相关的安全和隐私威胁。我们分析了与电动汽车和不同充电解决方案相关的威胁。我们专注于网络物理系统(CPS)范式,详细分析了攻击者可能利用来影响驱动程序和基础设施的安全性和隐私的所有过程。为了解决突出的威胁,我们提出了可能实施的解决方案。我们还概述了未来可能的发展方向,以保证电动汽车生态系统的安全和隐私。根据我们的分析,我们强调需要电动汽车专用的网络安全解决方案。
2023-01-11 cs.CR
Reasoning Under Threat: Symbolic and Neural Techniques for Cybersecurity Verification
Sarah Veronica(独立研究者)
本文综述自动推理及神经符号技术在网络安全验证中的应用,梳理逻辑系统、SOTA工具与AI集成,并指出可扩展性等研究空白及未来方向。
2025-05-12 cs.AI cs.CR
Information Security Analysis in the Passenger-Autonomous Vehicle Interaction
自动驾驶汽车(AV)正在成为人类日常生活的一部分。有许多无人驾驶公共汽车的试点项目;一些汽车制造商提供了具有先进自动驾驶功能的高级汽车。因此,确保乘客与自动驾驶汽车交互的安全性成为一个重要的研究课题,同时也带来了新的网络安全风险和挑战,这些风险和挑战可能会威胁到乘客在道路上的隐私和安全。提出了一种基于威胁模型的安全需求获取方法。因此,信息安全风险管理有助于实现保护数据隐私所需的原则之一-信息安全。我们展示了安全需求的获取过程,以减轻所产生的安全风险。本文的研究结果是以案例为导向,并基于文献综述。它们适用于由乘车服务提供商使用的AV系统实施,以实现监督AV控制。
2021-07-01 cs.CR
MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN
针对车载网络中的新型时间激发攻击,提出MDHP-Net检测方法,利用多维霍克斯过程与特征提取结构,并发布首个开源数据集STEIA9,实验证明其优于基线。
2025-04-22 cs.CR
LRCTI: A Large Language Model-Based Framework for Multi-Step Evidence Retrieval and Reasoning in Cyber Threat Intelligence Credibility Verification
Central South University(中南大学);Zhongguancun Laboratory(中关村实验室)
LRCTI是一个基于LLM的框架,通过文本摘要、自适应多步证据检索和提示式NLI模块,实现多步网络威胁情报可信度验证,在CTI-200和PolitiFact数据集上F1分数提升超5%,提供可扩展、准确且可解释的自动化解决方案。
2025-07-15 cs.CL cs.CR
Unfolding Challenges in Securing and Regulating Unmanned Air Vehicles
Indian Institute of Technology Delhi(印度德里理工学院)
本文研究了无人机安全与监管中的挑战,分析了现有威胁和应对措施,指出了未来研究方向及监管实施的关键问题。
2025-12-03 cs.CR
Cybersecurity Threats in Connected and Automated Vehicles based Federated Learning Systems
Ryerson University(瑞尔森大学)
联邦学习(FL)是一种机器学习技术,旨在跨分散的实体训练算法,保持其本地数据私有。无线移动网络允许用户与其他固定或移动用户通信。道路交通网络代表无线移动网络的基于基础设施的配置,其中互联和自动车辆(CAB)代表通信实体。在无线移动网络环境中应用FL会在移动环境中产生与传统固定网络截然不同的新威胁。这种威胁是由于无线介质的固有特性造成的,并且是由车辆网络的特性(例如,高节点移动性和快速变化的拓扑结构)引起的。大多数网络防御技术依赖于高度可靠和连接的网络。本文探讨了伪造的信息攻击,其目标是FL过程中正在进行的RSU。我们确定了恶意CAV执行的一些攻击策略,以破坏车辆网络中全局模型的训练。我们证明了攻击能够增加收敛时间并降低模型的准确性。我们证明了我们的攻击绕过FL防御策略的主要形式,并强调了在未来道路网络的无线移动环境中需要新的中毒弹性防御机制。
2021-06-03 cs.CR cs.LG
A Formal Security Framework for MCP-Based AI Agents: Threat Taxonomy, Verification Models, and Defense Mechanisms
University of the Cumberlands(坎伯兰大学);Youngstown State University(扬斯敦州立大学)
本文提出MCPSHIELD框架,通过威胁分类、验证模型和防御机制系统分析MCP代理生态系统的安全问题,实现91%的理论覆盖。
2026-04-07 cs.AI cs.CR
Machine Learning-Based Malicious Vehicle Detection for Security Threats and Attacks in Vehicle Ad-hoc Network (VANET) Communications
University of Engineering and Technology, Vietnam National University, Hanoi(越南国立大学河内工程技术大学)
本文针对VANET中的黑洞攻击,构建正常与恶意流量数据集,提取判别特征,并评估多种机器学习算法的检测效果,验证了该方法能有效提升VANET安全性。
2024-01-16 cs.CR cs.LG cs.NI
Showcasing standards and approaches for cybersecurity, safety, and privacy issues in connected and autonomous vehicles
本文梳理汽车领域风险评估与威胁建模的最新标准和方法,衔接网联自动驾驶汽车的网络安全、安全与隐私问题,为业界提供方法清单以对齐利益相关方预期、应对复杂攻击面。
2025-08-02 cs.CR
Fingerprinting of Machines in Critical Systems for Integrity Monitoring and Verification
本文提出一种基于系统指纹识别的主动方法,通过在系统干净时捕获主机硬件、文件哈希和内核信息建立历史记录,并开发安全存储工具,以监控关键系统完整性并辅助追溯安全违规根因。
2024-12-21 cs.CR
CASAD: CAN-Aware Stealthy-Attack Detection for In-Vehicle Networks
如今,车辆具有复杂的车载网络(IVN),其中数百万行代码控制车辆中的几乎所有功能,包括安全关键功能。最近的研究表明,IVN越来越容易受到能够控制车辆的网络攻击,从而威胁到乘客的安全。在文献中已经提出了一些对策,以应对所出现的威胁,然而,行业所施加的障碍要求阻碍了他们在实践中的采用。特别是,检测对IVN的攻击受到严格的资源限制和完全复杂的通信模式的挑战,即使是同一型号的车辆也会有所不同。此外,现有的解决方案存在两个主要缺点。首先,它们依赖于底层的车辆配置,其次,它们无法检测到某些隐形攻击。在本文中,我们提出了CASAD,这是一种CAN感知的隐形攻击检测机制,它不遵守为每个车辆模型预定义的严格规范,并解决了现实世界中的关键可部署性挑战。我们的快速、轻量级和系统不可知的方法从历史数据中学习IVN动态的正常行为,并通过持续监控IVN流量来检测偏差。我们通过在CAN总线原型、2018年沃尔沃XC60和两辆真实车辆的公开数据上进行各种实验来证明CASAD的有效性。实验表明,我们的方法是有效的,对不同的攻击场景,包括隐形攻击的及时检测,并具有相当大的潜在适用性,真正的车辆。
2019-09-18 cs.CR
Verifying Intent and Harm: A Unified Defense Against LLM-Generated Threats
The University of Texas at Arlington(德克萨斯大学阿灵顿分校);Google(谷歌);Pinterest
提出一种联合验证用户提示意图和模型响应危害的防御框架,通过专门分析器与裁决器协同工作,在五个威胁类别上平均F1提升至0.95,攻击成功率降至4.1%。
2026-06-26 cs.CR
Is Your Autonomous Vehicle Safe? Understanding the Threat of Electromagnetic Signal Injection Attacks on Traffic Scene Perception
Shenzhen University(深圳大学);The Hong Kong Polytechnic University(香港理工大学);The Education University of Hong Kong(香港教育大学)
针对电磁信号注入攻击对自动驾驶摄像头感知的威胁,研究分析多模型脆弱性,并提出仿真方法、攻击数据集与综合评估框架以提升鲁棒性。
2025-01-09 cs.CR cs.CV eess.SP
An STPA-based Approach for Systematic Security Analysis of In-vehicle Diagnostic and Software Update Systems
车载诊断和软件更新系统支持远程诊断和空中(OTA)软件更新,是汽车中的关键攻击目标。攻击者可以将恶意软件注入车辆或通过通信渠道窃取敏感信息。因此,需要在系统设计中进行安全分析,以识别潜在的安全问题。然而,现有的车载系统安全分析是以威胁为导向的,从威胁识别开始,通过头脑风暴来评估风险。本文在系统理论过程分析(STPA)的基础上,提出了一种面向系统的方法。该方法从数据流的角度扩展了原有的STPA,适用于基于信息流的系统。此外,我们提出了一个通用的模型,车载诊断和软件更新系统,并使用它来建立一个安全分析准则。与面向威胁的方法相比,所提出的方法从关注威胁转向关注系统漏洞,并且似乎有效地防止系统受到已知甚至未知的威胁。此外,作为扩展的STPA,这已被证明是适用于高层次的设计,所提出的方法可以很好地集成到高层次的分析和执行协同设计在不同的学科在一个统一的STPA框架。
2020-06-16 cs.CR cs.SE cs.SY
A Deep Learning Perspective on Connected Automated Vehicle (CAV) Cybersecurity and Threat Intelligence
CAV的自动化和连接性继承了现有技术的大部分网络物理漏洞,例如不断发展的网络架构,无线通信和基于AI的自动化。本书的这一章涉及源自IT、OT和CAV生态系统的物理域的网络物理漏洞和风险,折衷的威胁景观和威胁情报。为了应对CAV生态系统中来自古怪利益相关者的高速、高维、多模态数据和资产中的安全威胁,本章介绍并分析了一些最先进的基于深度学习的威胁情报用于攻击检测。本章介绍了深度学习的前沿领域,即元学习和联邦学习,以及它们面临的挑战。我们提出、训练和测试了用于CAV威胁情报的深度CNN-LSTM架构;评估并比较了所提出模型与其他深度学习算法(如DNN、CNN、LSTM)的性能。我们的研究结果表明了所提出的模型的优越性,尽管DNN和1d-CNN在CAV-KDD数据集上的准确率、精度、召回率、f1分数和AUC也达到了99%以上。深度CNN-LSTM的良好性能伴随着模型复杂性的增加和繁琐的超参数调整。尽管如此,在CAV网络安全范式中采用深度学习仍然存在公开的挑战,这是由于缺乏适当开发的协议和政策,利益相关者之间的权限定义不明确,培训成本更高,对模型的对抗性威胁,以及模型在数据分布下的可推广性差。
2021-09-22 cs.CR cs.SY eess.SY
Trustworthy Smart Band: Security Requirement Analysis with Threat Modeling
随着智能手环让生活变得更加方便,并提供积极的生活方式,现在很多人都在使用它们。由于智能手环处理的是私人信息,因此智能手环系统的安全设计和实现变得必要。要制作一个值得信赖的智能手环,首先必须推导出系统的安全需求,然后设计出满足安全需求的系统。在本文中,我们应用威胁建模技术,如数据流图,STRIDE和攻击树的智能带系统,以识别威胁,并得出相应的安全需求。通过威胁建模,我们发现了智能手环系统的漏洞,并成功地利用智能手环。为了抵御这些威胁,我们提出了安全措施,并验证他们是安全的,使用Scyther,这是一个工具,用于自动验证的安全协议。
2018-12-06 cs.CR
GuardSec: A Multi-Modal Web Platform for Real-Time Digital Fraud Detection, Entity Verification, and Connection Security Analysis in the African Context
Université Marien Ngouabi(马里安·恩古瓦比大学);Société Informatique du Congo (SIC)(刚果计算机公司)
GuardSec为非洲用户设计,提供实时多模态威胁验证,无需注册或技术知识,用户可快速评估网址、电话号码等合法性,并通过My Footprint实时分析自身连接安全,同时集成Gilda提供个性化安全建议。
2026-05-13 cs.CR
A systematic mapping study on security countermeasures of in-vehicle communication systems
车辆连接的创新一直在急剧增加,以提高驾驶的安全性和用户体验,而与外部世界的接口数量的增加也给车辆带来了安全威胁。为了保护系统和服务免受攻击,人们提出并讨论了许多安全对策。为了提供该研究领域的当前状态的概述,我们对主题领域“车载通信系统的安全对策”进行了系统的映射研究。根据定义的研究识别策略和标准识别了279篇论文。我们讨论了四个研究问题的安全对策,验证方法,出版模式,研究趋势和差距的基础上提取和分类的数据。最后,我们评估了有效性威胁,学习识别结果,和整个映射过程。我们发现,在这一主题领域的研究,近年来迅速增加。然而,在汽车以太网安全、异常反应等各个子课题上仍存在差距,本研究不仅回顾了目标领域的研究成果,还回顾了研究活动,这有助于在高水平上发现研究差距,并为未来的工作提供新的思路。
2021-05-01 cs.CR
Decentralized Identifier-based Privacy-preserving Authenticated Key Exchange Protocol for Electric Vehicle Charging in Smart Grid
近年来,电动汽车(EV)的普及在全球范围内不断上升。智能电网将成为电动汽车充电的支柱,并使电动汽车能够有效地消耗电力。随着对电动汽车的需求,相关的网络威胁也在增加。用户在电动汽车充电时暴露了他们的个人信息,导致隐私威胁。针对智能电网中的电动汽车充电问题,提出了一种用户授权、隐私感知的认证密钥交换协议。该协议基于分布式标识符(DID)和可验证证书(VC)的概念。DID的使用通过帮助用户完全控制其身份来增强用户的能力。充电站和用户在使用VC继续充电服务之前验证另一方是合法的。密钥恢复是我们在本文中解决的另一个问题。一种方法来恢复丢失的密钥被纳入拟议的协议。我们提出了形式化的安全性证明和非形式化的分析,以显示该协议的鲁棒性对多种攻击。我们还提供了一个详细的性能分析表明,该协议是有效的。
2022-06-27 cs.CR
Case Study: Neural Network Malware Detection Verification for Feature and Image Datasets
本文以案例研究形式评估神经网络恶意软件检测的验证过程,使用NNV和nnenum工具在特征与图像数据集上展示认证鲁棒性,并提出改进验证的挑战与未来方向。
2024-04-08 cs.CR
CANEDERLI: On The Impact of Adversarial Training and Transferability on CAN Intrusion Detection Systems
本文提出CANEDERLI框架,在现实威胁模型下评估CAN入侵检测系统的对抗攻击可迁移性,并通过自适应在线对抗训练将F1提升至0.941。
2024-04-06 cs.CR
Robustness of LLM-enabled vehicle trajectory prediction under data security threats
Southwest Jiaotong University(西南交通大学);McGill University(麦吉尔大学)
本研究针对基于大语言模型(LLM)的车辆轨迹预测模型在数据安全威胁下的鲁棒性空白,提出单特征差分进化攻击并开展系统性脆弱性分析,揭示其易受对抗操纵的特性,为相关系统的鲁棒性设计提供了首个关键见解。
2025-11-14 cs.AI cs.CR cs.LG
A Survey on Adversarial Robustness of LiDAR-based Machine Learning Perception in Autonomous Vehicles
本文综述了自动驾驶中基于LiDAR的机器学习感知系统面临的对抗攻击威胁及相应防御策略,强调构建稳健防御体系对保障自动驾驶安全的重要性。
2024-11-21 cs.AI cs.CR cs.LG
Finding Security Vulnerabilities in Unmanned Aerial Vehicles Using Software Verification
嵌入有易受攻击的单片软件的无人机(UAV)的激增最近引起了人们对其安全性的严重关注,这是由于并发方面和脆弱的通信链路。然而,基于传统测试验证无人机软件的安全性仍然是一个开放的挑战,主要是由于可扩展性和部署问题。在这里,我们调查软件验证技术来检测典型的无人机的安全漏洞。特别是,我们调查现有的软件分析器和验证器,实现模糊和有界模型检验(BMC)技术,检测内存安全和并发错误。我们还调查了与无人机通信链路相关的脆弱性方面。所有无人机部件(例如,位置、速度和姿态控制)严重依赖于通信链路。我们的初步结果表明,模糊和BMC技术可以检测各种软件漏洞,这是特别感兴趣的,以确保无人机的安全。我们能够通过对无人机的连接和软件系统进行渗透测试,成功地进行网络攻击。因此,我们展示了真实的网络威胁,并有可能在可预见的未来利用现实世界无人机软件中的进一步安全漏洞。
2019-10-11 cs.CR cs.LO
SoK: Rethinking Sensor Spoofing Attacks against Robotic Vehicles from a Systematic View
机器人车辆(RV)在过去几年中非常受欢迎。同时,他们也被证明是脆弱的传感器欺骗攻击。虽然大量的研究工作已经提出了各种各样的攻击,一些关键的问题仍然没有答案:这些现有的工作是否足够完整,以涵盖所有的传感器欺骗威胁?如果不是,有多少攻击没有被探索,实现它们有多难?本文通过对RV传感器欺骗攻击相关知识的全面梳理,回答了上述问题。我们的贡献是三方面的。(1)我们确定了七个常见的攻击路径在RV系统管道。从欺骗性质、欺骗操作、受害者特征和攻击目标等方面对现有欺骗攻击进行了分类和评估。基于这种系统化,我们确定了关于欺骗攻击设计的4个有趣的见解。(2)我们提出了一个新的动作流模型,系统地描述机器人功能的执行和未开发的传感器欺骗威胁。利用该模型,我们成功发现了103个欺骗攻击向量,其中26个已被之前的工作验证过,而77个攻击从未被考虑过。(3)我们设计了两种新的攻击方法来验证新发现的欺骗攻击向量的可行性。
2023-03-02 cs.CR
PHANTOM: PHysical ANamorphic Threats Obstructing Connected Vehicle Mobility
George Mason University(乔治·马歇尔大学)
PHANTOM通过形变艺术生成视角依赖的对抗示例,揭示了联网车辆在感知和通信层面对物理攻击的脆弱性。
2025-12-15 cs.AI cs.CR cs.CV
When External Threats Become User Context: Tricking Agents into Accepting Malicious Information
Monash University(莫纳什大学);CSIRO Technology(澳大利亚联邦科学与工业研究组织技术部)
研究基于大语言模型的智能体安全问题,介绍用户中继上下文操纵攻击,通过让良性用户在请求中传递对抗性内容,实验表明该攻击在多种防御下优于提示注入基线,揭示当前智能体框架设计缺陷。
2026-07-08 cs.CR
Cybersecurity for Autonomous Vehicles
本文分析了自动驾驶汽车因高度互联面临的网络安全挑战与风险,回顾了安全软件开发、入侵检测等现有解决方案,并强调监管与行业标准对推动其安全发展及建立公众信任的重要作用。
2025-04-28 cs.CR cs.ET
Towards a Zero Trust Decentralized Identity Management System for Secure Autonomous Vehicles
University of Arizona(亚利桑那大学)
本文提出D-IM框架,通过去中心化身份管理和区块链技术,解决自动驾驶车辆在V2X通信中的安全问题,实现零信任原则下的身份验证与安全保障。
2025-12-24 cs.CR
Vulnerabilities of Electric Vehicle Battery Packs to Cyberattacks
电动汽车(EV)与所有现代汽车一样,完全由嵌入网络的电子设备控制,这些设备面临网络攻击的威胁。由于与电动汽车电池组相关的独特风险,电动汽车的网络漏洞被放大。目前的电池在比能量、成本和与火灾相关的安全风险方面存在众所周知的问题。在这项研究中,我们开发了一个系统的框架来评估网络攻击对电动汽车的影响。虽然目前汽车网络攻击的重点是短期的物理安全,但考虑旨在通过累积影响造成财务损失的长期网络攻击至关重要,特别是在电动汽车的背景下。电池管理系统的故障组件(如受损的电压调节器)可能会导致网络攻击,从而导致电池过度放电或过度充电。过度放电可能会导致故障,例如通过网络攻击在几分钟的时间内发生内部短路,从而损害能源密集型EV子系统,如辅助组件。对电池组过度充电的攻击可能会将新电池组的使用寿命缩短到不到一年。此外,这种攻击还通过触发热(火灾)事件造成人身安全风险。对辅助组件的攻击会导致电池耗尽,这可能高达每小时充电状态的20%。最后,我们开发了一种启发式的网络攻击的隐蔽性,以增强传统的威胁模型。本文提出的方法将有助于建立电动汽车网络安全的基本原则:这是未来几年一个新兴但关键的话题。
2019-09-09 cs.CR
Adversarial Machine Learning-Based Anticipation of Threats Against Vehicle-to-Microgrid Services
针对车对微电网服务,提出基于推理攻击和K-NN代理模型的多阶段灰盒攻击,可在少用40%数据时实现最高73.2%的规避增加率。
2022-08-09 cs.AI cs.CR
Towards a Formal Verification of Secure Vehicle Software Updates
Chalmers University of Technology(查尔姆斯理工大学);Volvo Car Corporation(沃尔沃汽车公司)
本文通过形式化验证方法分析UniSUF框架,验证其在保密性、完整性等安全要求上的合规性,确保安全更新机制的正确性与可靠性。
2025-11-19 cs.CR cs.DC cs.LO
CTI2TTP: Evidence-Grounded TTP Extraction from Cyber Threat Intelligence via Diverge-then-Converge Verification
Virginia Tech(弗吉尼亚理工大学);Universitas Ary Ginanjar(阿里甘jar大学);Amazon(亚马逊)
提出TTPrint方法,采用先广泛提取后严格验证的发散-收敛设计,结合确定性证据定位与权威定义验证,在文档级TTP提取任务上显著提升宏F1分数。
2026-10-14 cs.AI cs.CL cs.CR