Towards Safe and Secure Autonomous and Cooperati.pptx

Towards Safe and Secure Autonomous and Cooperative Vehicle Ecosystems趋向于更加安全的自动与协同的车辆生态系统 Antonio Lima work：Data Science Research Fellow at Nesta（英国科学技术与艺术基金会） Marcus V?lp work：Unversity of Luxembourg ——SnT（安全、责任与信任中心） Paulo Esteves-Verissimo work：Unversity of Luxembourg ——SnT（安全、责任与信任中心） 作者 背景 半自动驾驶汽车的广泛应用以及全自动驾驶汽车的出现，使得车辆之间的协同与合作变得越来越重要，安全性面临挑战。 由于车辆内部娱乐资源、远程维护和车辆定位等功能的丰富，车辆连接性不断加强，增加了安全隐患。 为了实现更好的自动驾驶功能，人们通过使用复杂的传感器和制动器以及越来越强大的电子控制单元（ECU）来装配汽车，复杂性增加，故障的可能性也随之增加，极易受到恶性攻击。 实现 定义了全局威胁水平和相当完整的威胁向量集，提出的构想远远超越了孤立的汽车，还包括路边单位（RSU），可信任的权威机构，其他行驶的汽车，非常重要的是，将上述所有单元归纳到一个生态系统中，产生新的互动的形式。 在以前研究的基础上，对威胁模型做了进一步的工作，阐明了攻击者如何通过威胁向量来实施攻击。并提出了解决方法，去减少这种风险。 自动与协同驾驶的生态系统 成员组成：我们列举了所设想的生态系统的组件，并描述其功能。我们认为系统中所有活动组件有如下几个部分。 S-CAR Road Side Unit（RSU） Trust Authority（TA） S-Components Environment Infrastructure（基础设施） 自动与协同驾驶的生态系统 通信方式： ①V2V：S-CAR可以与其他的S-CAR和S-Components进行通信，通过vehicle-to- velhicle方式。 ②V2I： S-CAR和S-Components可以和RSU进行通信，通过vehicle-to-infrastructure方式。 ③I2I： RSU通过专用网络和因特网连接，RSU之间的通信通过infrastructure-to-infrastructure方式。 威胁向量的分析 为了保护乘客和其他交通参与者，自主车辆在存在意外故障和恶意攻击的情况下必须保持以下五个属性： 1.车辆感测，处理和致动功能的正确性; 2.及时地传输信息 3.避免单点故障和有一定的错误容限 4.抵御部分失灵和持续破坏，以及防止其在生态系统中扩散 5.避免过于敏感的故障安全关闭机制 威胁向量分析 威胁模型：我们假设标准的S-CAR和其他组件遵循共同的安全原则和协议，那么威胁有如下四种部署形式： 外部（External-X）：互联网的计算机、泄密的RSU、敌对的汽车或S-CAR附近的敌对计算机。 本地（Local-L）：在S-CAR内部泄密的计算机、连接的媒体。 物理（Physical-P）：人为替换或嵌入硬件。 环境（Environment-E）:干扰物理环境属性的设备、伪RSU。 X、L、E X、L、E L、P L、P X、P、E X、L、P、E X、L、P P 保护措施 车辆网络中的故障和攻击遏制 1.网络控制访问（Network Access Control） 2.入侵检测（Intrusion Detection） ECU和RSU的故障和攻击遏制 1.AUTOSAR 2.Intel TXT（英特尔可信赖执行技术） LOREM IPSUM DOLOR LOREM Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad m