Identification of misbehavior detection solutions and risk scenarios in advanced connected and automated driving scenarios

The inclusion of 5G cellular communication system into vehicles, combined with other connected-vehicle technology, such as sensors and cameras, makes connected and advanced vehicles a promising application in the Cooperative Intelligent Transport Systems (C-ITS). One of the most challenging task is to provide resilience against misbehavior i.e., against vehicles that intentionally disseminate false information to deceive receivers and induce them to manoeuvre incorrectly or even dangerously. This calls for misbehaviour detection mechanisms, whose purpose is to analyze information semantics to detect and filter attacks. As a result, data correctness and integrity are ensured. Misbehaviour and its detection are rather new concepts in the literature; there is a lack of methods that leverage the available information to prove its trustworthiness. This is mainly because misbehaviour techniques come with several flavours and have different unpredictable purposes, therefore providing precise guidelines is rather ambitious. Moreover, datasets to test detection schemes are rare to find and inconvenient to customize and adapt according to needs. This work assumes misbehaviour involving position falsification and presents a misbehaviour detection scheme that exploits information shared between vehicles and transmitted signal properties to investigate the behaviour of transmitters. Differently from most available solutions, information is evaluated in terms of trajectories and not single space points, and data from one vehicle only are considered. Moreover, computational effort and resources required are minor concerns, and concurrently time efficiency is gained. On top of that, a rich dataset was set up to test the scheme. The dataset is created according to the latest standardised evaluation methodologies and provides a valuable starting point for any further development and research.

L’avvento dei sistemi di comunicazione mobile 5G nei veicoli, assieme a tecnologie quali sensori e camere, rendono i veicoli connessi ed avanzati una delle più promettenti applicazioni nell’ambito dei Cooperative Intelligent Transport Systems (sistemi cooperativi di trasporto intelligente). Una delle sfide più attuali è garantire resilienza contro comportamenti scorretti, ovvero garantire protezione contro veicoli che di proposito trasmettono informazioni falsificate per deviare i veicoli nei dintorni e indurli ad agire in modo improprio e persino pericoloso. Questo rende necessari meccanisimi per identificare tali comportamenti; lo scopo è studiare la semantica delle informazioni ricevute per individuare e filtrare eventuali attacchi. In questo modo la correttezza dei dati e la loro integrità sono assicurate. Tali eventi e la loro individuazione non trovano numerosi riscontri in letteratura; si osserva una consistente mancanza di metodi che asseriscano la veridicità di dati e informazioni ricevuti. Questo è prevalentemente dovuto al fatto che possono verificarsi attacchi di diversa natura e con svariati e imprevedibili scopi, di conseguenza risulta complesso individuare delle linee guida per la loro identificazione. Inoltre, c’è scarsità di dataset da usare per testare uno schema di identificazione e i pochi presenti non si prestano a modifiche. Questo lavoro ipotizza attacchi in cui l’informazione riguardo alla posizione viene contraffatta, e propone uno schema che per identificarli si serve sia delle informazioni scambiate tra veicoli, sia delle proprietà fisiche dei segnali trasmessi. Diversamente dalla maggior parte delle soluzioni disponibili, qui vengono considerati tratti di traiettorie e non singoli punti e si prendono in esame dati provenienti da un singolo veicolo. Per di più, è un metodo dalla bassa complessità computazionale ed efficiente in termine di tempi di esecuzione. Infine, un cospicuo dataset è disponibile per testare le performance. È un dataset conforme ai più recenti metodi di valutazione standardizzati e fornisce un prezioso strumento per futuri sviluppi e ricerche.