科恩网联汽车信息安全研究成果发布于安全顶会IEEE S&P 2024 - 对车载攻击面的重新审视与思考

背景●摘要

近年来，随着现代车辆技术的快速发展，网联汽车的攻击面（Attack Surface）和车载网络结构（In-Vehicle Network）都变得更加复杂。目前，已出台多项网联汽车信息安全标准，包括WP29 R155e、ISO 21434以及一系列国标，但这些刚出台标准与法规仍处于起步阶段，需要在摸索实践中直面各种挑战并不断完善。在这样的背景下，我们展开了如下的研究来重新审视现在的网联汽车信息安全：

• 我们通过深入访谈15位网联汽车信息安全专家，揭示了安全团队在保障车辆信息安全过程中遇到的挑战，以及现行规定的局限性：包括缺乏高质量的车载威胁案例信息库以及难以高效执行Threat Analysis & Risk Assessment （TARA）等。
• 基于现有的法规和收集的访谈数据，我们建立了一个新的层次化的网联汽车信息安全的威胁案例库，包括多达119条具体的车载威胁案例。同时我们提出一种新的基于Datalog的推理方法，可根据车载网络结构自动化推理攻击路径和计算对应的威胁分数。
• 以实车上的安全研究案例分析展示了自动化方法的有效性。

合作共赢

该研究由科恩实验室和香港理工大学罗夏朴教授团队及香港大学钱晨雄教授联合完成。相关论文《Revisiting Automotive Attack Surfaces: a Practitioners’ Perspective》已被安全领域四大顶会中的IEEE S&P 2024录用。

文末阅读全文查看论文

IEEE S&P会议，全称IEEE Symposium on Security and Privacy，别名Oakland，是安全领域最具影响力的顶级学术会议之一。其常与USENIX Security, CCS, NDSS并称为安全领域的四大顶会。特别地，S&P由于其极高的录取要求和极低的论文录用率（常年低于15%），被公认为是安全领域含金量最高的会议。

图.1: 参加访谈研究人员画像信息（已匿名化处理）

在访谈过程，研究人员与受访者开放性地深入探讨了：

1)  执行信息安全活动中的具体挑战

2)  对现有TARA方法的评估

3)  对现有法规中威胁案例的评估

4)  对现有法规局限性的讨论

具体来说，我们通过质性分析的方法，将结果总结成了20个Key Points（详见Code and Supplementary Materials [2]），同时提出用一种结构化的方法来描述现有的网联汽车安全威胁，并基于访谈收集的数据建立了一套新的威胁数据库：

图.2: 威胁数据库概览

图.3 威胁数据库预览-IVI安全

图.4 CarVal：自动化攻击路径推理与威胁评估

图.5 CarVal应用举例：从IVI到车内网络infoCAN的攻击

CarVal基于IT网络的威胁推理工具MulVAL[3]开发，代码详见[2]。

基于CarVal的自动推理方法，我们在多辆实车上进行了深入的安全分析，并发现了众多高危漏洞。以下将以其中一辆车为例展示分析流程。下图为该车辆的车内网络拓扑：

图.6 待分析车辆的网络拓扑

图.7 攻击路径：通过重放攻击从TCU控制BCM

图.8 通过逆向分析还原的车控流程

[1] Paper link: https://www.computer.org/csdl/proceedings-article/sp/2024/313000a080/1RjEaOV6EQE

[2] Code and Supplementary Materials: https://github.com/VehicleCyberSec/CarVal

[3] MulVAL: https://github.com/risksense/mulval

原文始发于微信公众号（腾讯科恩实验室）：科恩网联汽车信息安全研究成果发布于安全顶会IEEE S&P 2024 - 对车载攻击面的重新审视与思考