A Framework for the Systematic Assessment of Anomaly Detectors in Time-Sensitive Automotive Networks

连接的汽车容易受到网络攻击。未来车辆的安全性和安全性高度依赖于对汽车组件的整体保护，其中时间敏感的骨干网络起着重要作用。这些车载时间敏感网络（TSN）需要进行安全监控，并且作为可承载网络异常检测系统（NADS）的多功能平台，需要进行安全性监测。然而，在硬实时操作、汽车协议栈和特定领域攻击向量的背景下，缺乏对异常检测方法的全面评估，同时也缺乏适当的输入数据集。在本文中，我们提出了一个评估框架，允许可重复、可比较和快速评估检测算法。它基于一个模拟工具链，提供可配置的拓扑结构、流量流、异常、攻击和检测器。我们展示了在具有通信流的全面车载网络中评估NADS的方法，并对流量异常进行建模。我们评估了示例检测机制，并揭示了不同TSN流量流和异常类型组合对检测性能的影响。我们的方法可应用于其他实时以太网领域，如工业设施、飞机和无人机。

本论文旨在解决未来车辆网络安全问题，特别是在车载时序网络（TSN）中实现网络异常检测系统（NADS）的评估和监测。

论文提出了一种基于仿真工具链的评估框架，可以快速、可重复、可比较地评估检测算法的性能。该框架提供可配置的拓扑结构、流量流、异常、攻击和检测器。

论文通过模拟车辆网络和流量异常来评估NADS的性能，发现不同的TSN流量流和异常类型会影响检测性能。该方法可应用于其他实时以太网领域，如工业设施、飞机和无人机。

近期的相关研究包括：'A Review of Cybersecurity in Connected Cars'、'A Survey on Security and Privacy Issues in Internet-of-Things'、'Network Anomaly Detection: A Survey and Comparative Analysis of Stochastic and Deterministic Methods'等。