研究人员开发基于图形的统计方法 可有效检测车辆通信网络威胁

盖世汽车讯 大多数新车使用复杂的计算技术，很容易受到网络恶意攻击，从而导致严重的安全问题。据外媒报道，马里兰大学巴尔的摩分校（UMBC）的研究人员一直在研究如何提高技术复杂车辆的安全性。该校助理教授Riadul Islam与其同事，以及密歇根大学迪尔本分校（University of Michigan-Dearborn）的研究人员共同开发了一种简单易行的车辆安全漏洞检测方法。

（图片来源：https://techxplore.com）

目前，在汽车行业中应用最广泛的车内通信网络是控制器局网（CAN）。该网络使用非常简单，对消费者和制造商很有吸引力，但也容易受到潜在的安全威胁。CAN本质上是一种广播式网络，任何代理都可能读取车辆信息，并发送相反的信息。使用CAN网络，可以从另一个设备远程控制车辆。此种特性使其支持许多创新应用，同时也导致了安全问题。代理可以控制网络，并向车辆发送新的命令，从而造成危险，如使刹车失灵或导致引擎故障。

解决这一问题的第一步就是检测这些潜在威胁。Islam表示，他的方法采用基于图形的异常检测技术，可以容易地显示数据之间的复杂关系。Islam的研究小组利用用于展示网络数据的图表，并进行简单的统计分析，以发现威胁。此种方法不需要昂贵的设备，而且其采用的方法已经被统计学家所熟知，并且很直观。Islam称，使用统计方法检测潜在威胁的主要优势是可以大幅提升成本效益。他解释道，“与机器学习或AI方法相比，统计方法需要的能耗更少。”

随着自动驾驶汽车和高度计算机化的车辆成为现实，检测和解决网络漏洞变得至关重要。Islam及其团队证明，不需要复杂的计算或昂贵的设备就可以有效检测漏洞。汽车制造商可以使用数据和统计分析来实时识别威胁，从而降低复杂性。未来，随着车辆具备更多功能，Islam开发的统计方法将会数字化。