学位论文简介

本论文旨在为智能汽车网络提供防御攻击的能力。具体来说，本论文研究基于物理层信号特征的入侵检测方法，保护智能汽车安全关键CAN网络，从而确保车辆的运动行为不被攻击者操纵。本论文针对安全关键车内网资源受限和实时性约束的特点，结合领域知识和统计分析方法，提出三种入侵检测方法，研究解决在安全关键车内网上部署防护方案所面临的技术、资源约束以及部署成本的挑战，确保车内网络安全。本文的具体贡献如下：

1. 提出了基于时钟漂移的入侵检测方法。首先设计了新颖的时钟漂移估算方法，避免总线上数据流对估算过程的影响。然后，通过提取时域上的统计特征以构建数字指纹，并使用训练好的分类器实现身份认证。最后，采用了基于动态阈值的入侵检测方法检测攻击。

2. 提出了基于位时间的入侵检测方法（BTMonitor）。BTMonitor具体设计了基于位时间的信号物理特征提取方法，提取更加综合的信号特征表征发送节点，降低对高采样率的要求。然后，BTMonitor提取统计特征生成数字指纹，设计了基于监督学习算法的入侵检测和攻击者定位方法。

3. 提出了基于模型的发送节点溯源和入侵检测方法。该检测方法以单个CAN帧为对象提取所需的信号特征并对数据预处理以后，通过建立模型显式定义信号特征与发送节点的关系，实现发送节点溯源和入侵检测。特别的，该方法不需要使用有标签数据对入侵检测模型进行训练，可以应用于缺少先验信息的专用CAN网络，也可为未知CAN网络建立消息帧与发送节点的映射关系。

主要成果如下

1. Jia Zhou, Prachi Joshi, Haibo Zeng, Renfa Li. BTMonitor: Bit-Time based Intrusion Detection and Attacker Identification in Controller Area Network. ACM Transactions on Embedded Computing Systems (TECS), 2019, 18(6): 1-23. (CCF B类期刊)

2. Jia Zhou, Guoqi Xie, Siyang Yu and Renfa Li, Clock-Based Sender Identification and Attack Detection for Automotive CAN Network, IEEE Access, 2020. (SCI二区期刊)

3. Jia Zhou, Guoqi Xie, Haibo Zeng, Renfa Li, Laurence T. Yang, and Mamoun Alazab. A Model-based Method for Enabling Source Mapping and Intrusion Detection on Proprietary CAN Bus. IEEE Transactions on Dependable and Secure Computing (TDSC). (CCF A类期刊, under review)

4. Wufei Wu, Renfa Li, Guoqi Xie, Jiyao An, Yang Bai, Jia Zhou, Keqin Li. A Survey of Intrusion Detection for In-Vehicle Networks. IEEE Transactions on Intelligent Transportation Systems (TITS), 2019, 21(3): 919-933. (CCF B类期刊)

5. Guoqi Xie, Gang Zeng, Yan Liu, Jia Zhou, et al. Fast Functional Safety Verification for Distributed Automotive Applications During Early Design Phase. IEEE Transactions on Industrial Electronics (TIE), 2017, 65(5): 4378-4391. (SCI一区期刊)