Die Konnektivität autonomer Fahrzeuge induziert neue Angriffsflächen und damit den Bedarf an ausgeklügeltem Cybersicherheitsmanagement. Es muß daher sichergestellt werden, dass die fahrzeuginterne Netzwerküberwachung bösartiges Verhalten präzise erkennt und Cyberangriffe auf datenschutzfreundliche Weise analysiert. In dieser Publikation beschreiben wir ein Verfahren, das charakteristische Funktionen nutzt und vergleichen es mit einem auf künstlichen neuronalen Netzen basierenden Ansatz. Die visuelle Analyse der jeweiligen Ereignisströme ergänzt die Auswertung. Obwohl das vorgestellte Verfahren um eine Größenordnung schneller ist, ist die Genauigkeit der Ergebnisse zumindest vergleichbar mit denen aus dem künstlichen neuronalen Netz. Somit ist dieses neue Verfahren eine interessante Option für die Implementierung in fahrzeuginternen eingebetteten Systemen. Ein wichtiger Aspekt ist insbesondere auch die verbesserte Erklärbarkeit der Detektionsergebnisse.
Die Veröffentlichung ist kostenlos abrufbar auf https://www.doi.org/10.15622/ia.20.4.4
Zitat: Chevalier Y., Fenzl F., Kolomeets M., Rieke R., Chechulin A., Krauß C., Cyberattack detection in vehicles using characteristic functions, artificial neural networks and visual analysis, Journal of Informatics and Automation (SPIIRAS Proceedings), 2021, doi: 10.15622/ia.20.4.4