Metode statistik berbasis grafik baru mendeteksi ancaman terhadap jaringan komunikasi kendaraan
Automotive

Metode statistik berbasis grafik baru mendeteksi ancaman terhadap jaringan komunikasi kendaraan


Kredit: Pixabay / CC0 Domain Publik

Para peneliti di Universitas Maryland, Baltimore County (UMBC) telah bekerja untuk menciptakan metode untuk meningkatkan keselamatan kendaraan berteknologi kompleks. Sekarang sebagian besar mobil baru beroperasi menggunakan teknologi komputasi canggih, mereka rentan terhadap serangan jahat di jaringan mereka yang dapat menyebabkan masalah keamanan yang menghancurkan. Riadul Islam, asisten profesor ilmu komputer dan teknik kelistrikan, telah bekerja dengan kolaborator di UMBC dan Universitas Michigan-Dearborn untuk membuat metode sederhana dan mudah diadaptasi untuk mendeteksi pelanggaran keamanan. Penelitian ini dipublikasikan dalam publikasi Institution of Electrical and Electronic Engineers (IEEE) Transaksi pada Sistem Transportasi Cerdas.

Saat ini, jaringan komunikasi intra-kendaraan yang paling banyak digunakan di industri otomotif adalah jaringan area pengontrol (CAN). Jaringan ini sangat mudah digunakan, yang membuatnya menarik bagi konsumen dan produsen, tetapi kesederhanaan ini juga membuatnya rentan terhadap potensi ancaman keamanan.

CAN pada dasarnya adalah jaringan penyiaran, jadi setiap entitas memiliki kemampuan untuk ‘membaca’ pesan yang datang dari mobil, dan berpotensi mengirim pesan yang saling bertentangan. Anda dapat mengontrol mobil dari jarak jauh dari perangkat lain menggunakan jaringan CAN. Ini adalah fitur dan bug, yang memungkinkan banyak inovasi baru, dan juga menimbulkan masalah keamanan. Entitas dapat mengambil kendali jaringan dan mengirim perintah baru ke kendaraan, menciptakan keadaan berbahaya, seperti menonaktifkan jeda atau menyebabkan kerusakan mesin.

Langkah pertama untuk sepenuhnya memberantas kemungkinan ancaman ini adalah dengan mendeteksinya. Menurut Islam, mendeteksi ancaman ini tidak membutuhkan teknologi ekstensif. Sebaliknya, metodenya melibatkan perumusan teknik deteksi anomali berbasis grafik yang akan “dengan mudah menunjukkan hubungan yang kompleks antara data.”

Tim Islam mengambil grafik yang dibuat untuk mendemonstrasikan data di jaringan dan melakukan analisis statistik sederhana untuk mendeteksi penyusup atau ancaman. Metode ini tidak membutuhkan mesin yang mahal; alih-alih, ia mengandalkan metode yang sudah dipahami dengan baik oleh ahli statistik dan mampu berfungsi secara intuitif.

Manfaat utama menggunakan metode statistik untuk mendeteksi potensi ancaman di CAN adalah hemat biaya dengan “urutan besarnya,” menurut Islam. “Metode statistik membutuhkan lebih sedikit energi daripada pembelajaran mesin atau metode kecerdasan buatan,” jelasnya.

Ketika prospek mobil yang bisa mengemudi sendiri atau yang sangat terkomputerisasi menjadi kenyataan, mendeteksi dan mengatasi kerentanan jaringan menjadi penting. Islam dan timnya telah menunjukkan bahwa tugas ini tidak perlu rumit atau mahal agar efektif. Sebaliknya, produsen mobil dapat menjaga kesederhanaan dengan menggunakan data dan analisis statistik untuk mengidentifikasi ancaman secara real time. Di masa depan, metode statistik yang dikembangkan oleh Islam akan tersedia secara digital untuk memastikan aksesibilitas terbaik karena kendaraan dibuat dengan lebih banyak fungsi daripada sebelumnya.


Teknologi AI untuk menemukan pengemudi berbahaya


Informasi lebih lanjut:
Riadul Islam dkk, Sistem Deteksi Intrusi Berbasis Grafik untuk Jaringan Area Pengontrol, Transaksi IEEE pada Sistem Transportasi Cerdas (2020). DOI: 10.1109 / TITS.2020.3025685

Disediakan oleh Universitas Maryland Baltimore County

Kutipan: Metode statistik berbasis grafik baru mendeteksi ancaman terhadap jaringan komunikasi kendaraan (2020, 24 November) diambil 27 November 2020 dari https://techxplore.com/news/2020-11-graph-based-statistic-method-threats-vehicular. html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.




Halaman Ini Di Persembahkan Oleh : Data HK