学位论文简介

面向新一代车内网安全关键子系统，本论文旨在研究基于信号物理特征的入侵检测方法，保障车辆的运动行为不被攻击者操纵。本文针对安全关键车内网资源受限和实时性约束，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。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。

   主要学术成果

   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)

   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)

   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)