基于强化学习的车联网系统拟态防御设计研究

作     者：陈平 苏牧辰 陈浩贤 汪仕浩 邓黎明 曹岸杰 Chen Ping;Su Muchen;Chen Haoxian;Wang Shihao;Deng Liming;Cao Anjie

作者机构：复旦大学大数据研究院上海200433 网络通信与安全紫金山实验室南京211111 上海识装信息科技有限公司上海200090 复旦大学大数据学院上海200433 复旦大学计算机科学技术学院上海200433 上海卫星工程研究所上海200240 

出 版 物：《信息安全研究》 (Journal of Information Security Research)

年 卷 期：2022年第8卷第6期

页      面：545-553页

学科分类：08[工学] 0839[工学-网络空间安全] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国航天科技集团有限公司SAST基金项目(SAST202-057) 

主　　题：车联网安全 内生安全 拟态防御 强化学习 信息系统安全 

摘      要：随着汽车智能化的高速发展,车机行为自动化程度随智能车载系统日益提升,各种固件、硬件设备都可通过智能车载系统进行数据和信息交互.车联网以智能车载系统承载对软件应用、ECU、硬件的自动化控制;在向用户提供各种驾驶功能的同时,智能车载系统的复杂化和自动化程度大幅提升,这意味着系统安全与功能安全的边界模糊.对车联网智能系统进行了模型化概述,强调了车联网场景下,智能车载系统的脆弱性、系统故障会直接影响到车机的功能安全,从而危害到用户的人生安全,因此车联网的系统安全性变得至关重要.以现有车联网安全事件与问题为背景,探讨了车联网中系统安全与功能安全的关系;强调了为找寻系统安全在车联网中的可落地性.指出在有限的资源成本下,快速找寻车机性能与系统安全的平衡点成为关键,并提出了一种基于拟态防御的前置性强化学习防御机制.