TU Darmstadt / ULB / TUbiblio

Misbehavior Detection and Attacker Identification in Vehicular Ad-hoc Networks

Bißmeyer, Norbert (2014)
Misbehavior Detection and Attacker Identification in Vehicular Ad-hoc Networks.
Technische Universität Darmstadt
Dissertation, Erstveröffentlichung

Kurzbeschreibung (Abstract)

The objective of the research presented in this dissertation is to detect misbehavior in vehicular ad hoc networks (VANETs) and to identify the responsible attackers or faulty nodes in order to exclude them from active network participation. Vehicles and roadside units use wireless ad hoc communication in VANETs to increase traffic safety and efficiency by exchanging cooperative awareness information and event-based messages. Considering both presence and status of vehicles moving in a defined range drivers can be notified instantly about upcoming potentially dangerous situations such as a sudden braking action of a vehicle driving in front or the tail end of a traffic jam ahead. VANET nodes frequently broadcast mobility-related information (i.e. absolute values for position, time, heading, and speed) within a communication range of several hundred meters to establish a cooperative awareness of single-hop neighbors. Due to the ad hoc communication between network nodes traffic safety applications become feasible that have low latency requirements.

The protection against external attackers in VANETs is provided by applying cryptographic methods. Only registered nodes of the VANET are equipped with valid keys that are certified by a trusted certificate authority. Internal attackers who possess appropriate hardware, software, and valid certificates must be considered as a dangerous threat. Attackers who either extract valid keys and certificates from a communication unit or install a malware on VANET devices on board of vehicles or on roadside units are able to send bogus messages that are accepted by unsuspecting vehicles. We demonstrate that the processing of fake information may affect the safety and efficiency of the overall traffic in the attackers' single or multi-hop communication range.

Most existing solutions in the context of misbehavior detection in VANETs are based on data-centric plausibility and consistency checks. We propose in this dissertation new methods and frameworks to evaluate the behavior of VANET nodes based on cooperatively exchanged location-related information. Most existing solutions are only tested within simulations. In contrast we analyzed the applicability of misbehavior detection in VANETs under real conditions. Long-term experiments in outdoor field operational tests and dedicated trials with test vehicles revealed new insights with respect to misbehavior detection and attacker identification which are presented in this dissertation. Based on this knowledge a novel strategy has been developed that consists of three main contributions: local misbehavior detection, local short-term identification of potential attackers, and central long-term identification of attackers.

The concept for local misbehavior detection on VANET nodes is based on different information sources such as received packets or sensor measurements to perform data consistency and data plausibility checks. In case of detected inconsistencies or implausible movement characteristics the suspicious node is observed and its trustworthiness is locally evaluated.

The contributions for local short-term identification of potential attackers consider explicitly the frequent change of neighbor node identifiers as stipulated by European standards and international industrial regulations. Based on test results gained from a large field operational test a concept for the local misbehavior evaluation of neighbor nodes is proposed. The resulting node trustworthiness is further used to generate misbehavior reports that are transmitted to a central evaluation authority. Consequently, the central authority is informed about suspicious nodes and hence potential attackers of the VANET.

The third main contribution is the processing of misbehavior reports for central long-term identification of attackers. If sufficient evidence is reported by a significant number of independent VANET nodes the central misbehavior evaluation authority is authorized to request information whether different pseudonymous IDs contained in related misbehavior reports belong to the same suspicious node. This process is supported by the central certificate authorities which ensure the consideration of drivers' privacy while processing critical information. After the assessment of the reported suspects the central misbehavior evaluation authority is able to identify the attacker and exclude his or her from active participation in any VANET communication.

Based on the knowledge gained from our practical experiments with test vehicles we developed an effective concept to enable the secure and reliable long-term operation of VANETs. Attackers and faulty nodes can reactively be excluded from the network after independent network nodes have locally detected their misbehavior and a central authority has identified the offenders. This approach is more effective in terms of long-term attacker exclusion and minimization of false-positive detections compared to related approaches that are only deployed on VANET nodes. Consequently, the proposed concept will help to minimize the motivation of potential attackers to aim on VANETs. Due to the detection of abnormal node behavior even novel attack methods that may emerge in the future should be effectively counteracted by applying these concepts.

Typ des Eintrags: Dissertation
Erschienen: 2014
Autor(en): Bißmeyer, Norbert
Art des Eintrags: Erstveröffentlichung
Titel: Misbehavior Detection and Attacker Identification in Vehicular Ad-hoc Networks
Sprache: Englisch
Referenten: Waidner, Prof. Dr. Michael ; Kargl, Prof. Dr. Frank
Publikationsjahr: 1 Dezember 2014
Datum der mündlichen Prüfung: 27 November 2014
URL / URN: http://tuprints.ulb.tu-darmstadt.de/4257
Kurzbeschreibung (Abstract):

The objective of the research presented in this dissertation is to detect misbehavior in vehicular ad hoc networks (VANETs) and to identify the responsible attackers or faulty nodes in order to exclude them from active network participation. Vehicles and roadside units use wireless ad hoc communication in VANETs to increase traffic safety and efficiency by exchanging cooperative awareness information and event-based messages. Considering both presence and status of vehicles moving in a defined range drivers can be notified instantly about upcoming potentially dangerous situations such as a sudden braking action of a vehicle driving in front or the tail end of a traffic jam ahead. VANET nodes frequently broadcast mobility-related information (i.e. absolute values for position, time, heading, and speed) within a communication range of several hundred meters to establish a cooperative awareness of single-hop neighbors. Due to the ad hoc communication between network nodes traffic safety applications become feasible that have low latency requirements.

The protection against external attackers in VANETs is provided by applying cryptographic methods. Only registered nodes of the VANET are equipped with valid keys that are certified by a trusted certificate authority. Internal attackers who possess appropriate hardware, software, and valid certificates must be considered as a dangerous threat. Attackers who either extract valid keys and certificates from a communication unit or install a malware on VANET devices on board of vehicles or on roadside units are able to send bogus messages that are accepted by unsuspecting vehicles. We demonstrate that the processing of fake information may affect the safety and efficiency of the overall traffic in the attackers' single or multi-hop communication range.

Most existing solutions in the context of misbehavior detection in VANETs are based on data-centric plausibility and consistency checks. We propose in this dissertation new methods and frameworks to evaluate the behavior of VANET nodes based on cooperatively exchanged location-related information. Most existing solutions are only tested within simulations. In contrast we analyzed the applicability of misbehavior detection in VANETs under real conditions. Long-term experiments in outdoor field operational tests and dedicated trials with test vehicles revealed new insights with respect to misbehavior detection and attacker identification which are presented in this dissertation. Based on this knowledge a novel strategy has been developed that consists of three main contributions: local misbehavior detection, local short-term identification of potential attackers, and central long-term identification of attackers.

The concept for local misbehavior detection on VANET nodes is based on different information sources such as received packets or sensor measurements to perform data consistency and data plausibility checks. In case of detected inconsistencies or implausible movement characteristics the suspicious node is observed and its trustworthiness is locally evaluated.

The contributions for local short-term identification of potential attackers consider explicitly the frequent change of neighbor node identifiers as stipulated by European standards and international industrial regulations. Based on test results gained from a large field operational test a concept for the local misbehavior evaluation of neighbor nodes is proposed. The resulting node trustworthiness is further used to generate misbehavior reports that are transmitted to a central evaluation authority. Consequently, the central authority is informed about suspicious nodes and hence potential attackers of the VANET.

The third main contribution is the processing of misbehavior reports for central long-term identification of attackers. If sufficient evidence is reported by a significant number of independent VANET nodes the central misbehavior evaluation authority is authorized to request information whether different pseudonymous IDs contained in related misbehavior reports belong to the same suspicious node. This process is supported by the central certificate authorities which ensure the consideration of drivers' privacy while processing critical information. After the assessment of the reported suspects the central misbehavior evaluation authority is able to identify the attacker and exclude his or her from active participation in any VANET communication.

Based on the knowledge gained from our practical experiments with test vehicles we developed an effective concept to enable the secure and reliable long-term operation of VANETs. Attackers and faulty nodes can reactively be excluded from the network after independent network nodes have locally detected their misbehavior and a central authority has identified the offenders. This approach is more effective in terms of long-term attacker exclusion and minimization of false-positive detections compared to related approaches that are only deployed on VANET nodes. Consequently, the proposed concept will help to minimize the motivation of potential attackers to aim on VANETs. Due to the detection of abnormal node behavior even novel attack methods that may emerge in the future should be effectively counteracted by applying these concepts.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

In dieser Dissertation werden Methoden ausgearbeitet, die die Erkennung von Fehlverhalten in Vehicular Ad-hoc Netzwerken (VANETs) ermöglichen, sowie die Identifizierung der verantwortlichen Angreifer oder fehlerhaften Knoten. Das Ziel ist es, die störenden Netzwerkknoten langfristig von der aktiven VANET-Kommunikation auszuschließen. Fahrzeuge und Infrastruktureinheiten am Straßenrand nutzen die drahtlose Ad-hoc-Kommunikation um Informationen zur Verkehrssicherheit und Effizienz mit benachbarten Netzwerkknoten auszutauschen. Durch den konstanten Austausch von Statusinformationen sind Netzwerkknoten in der Lage ihr Umfeld in einem definierten Bereich wahrzunehmen. Bei potenzieller Gefahr können Fahrer rechtzeitig über bevorstehende Verkehrssituationen, wie zum Beispiel den plötzlichen Bremsvorgang eines voraus fahrenden Fahrzeugs oder ein nahendes Stauende, informiert werden. Die Knoten des VANETs verbreiten regelmäßig präzise Informationen bezüglich ihres eigenen Standortes und ihrer Bewegung innerhalb einer Funkreichweite von mehreren hundert Metern. Unter anderem wird die absolute Position, die Fahrtrichtung und die Geschwindigkeit in Verbindung mit einem Zeitstempel per Broadcast versendet. Durch die Ad-hoc-Kommunikation zwischen den Netzknoten werden im Besonderen verkehrssicherheitsrelevante Anwendungen ermöglicht, die eine niedrige Latenz beim Informationsaustausch voraussetzen und daher durch eine mobilfunkbasierte Kommunikation nicht realisiert werden könnten.

Der Schutz vor externen Angreifern wird in VANETs mit Hilfe von kryptographischen Verfahren sichergestellt. Nur registrierte Netzwerkknoten sind mit gültigen Schlüsseln und Zertifikaten ausgestattet, die von einer vertrauenswürdigen Zertifizierungsstelle ausgestellt werden. Interne Angreifer, die entsprechende Hardware, Software und gültige Schlüssel bzw. Zertifikate besitzen, stellen eine Bedrohung für das Netzwerk und den drauf basierenden Anwendungen dar. Ein Angreifer, der entweder gültige Schlüssel mit den dazugehörigen Zertifikates aus einer Kommunikationseinheit extrahiert oder eine Malware auf einem VANET-Knoten installiert hat, ist in der Lage gültige Nachrichten mit gefälschtem Inhalt zu senden. Diese Nachrichten werden dann von ahnungslosen Fahrzeugen akzeptiert und können zu Falschmeldungen und fehlerhaften Entscheidungen der Fahrer führen. In dieser Arbeit wird gezeigt, dass die Verarbeitung von gefälschten Informationen Einfluss auf die Verkehrssicherheit und Effizienz des gesamten Verkehrs im Kommunikationsbereich des Angreifers haben kann.

Die meisten existierenden Lösungen anderer Autoren im Bereich der Fehlverhaltenserkennung in VANETs basieren auf datenbezogenen Plausibilitäts- und Konsistenzprüfungen. Wir schlagen in dieser Dissertation neue Methoden und Konzepte vor, die das Verhalten von Nachbarknoten in VANETs unter Nutzung von positionsbezogenen Informationen bewerten. Da die meisten existierenden Lösungen nur in Simulationen unter Verwendung von theoretischen Annahmen getestet wurden, fehlen Erkenntnisse bezüglich der Fehlverhaltenserkennung unter realen Bedingungen. Dagegen konnten wir durch unsere Langzeitexperimente in einem Feldversuch neue Erkenntnisse bezüglich der lokalen Fehlverhaltenserkennung und Angreiferidentifizierung gewinnen. Basierend auf diesem Wissen wurde eine neuartige Strategie entwickelt, um den Gefahren durch interne Angreifer zu begegnen und um damit die langfristige Zuverlässigkeit der VANET-Kommunikation zu erhöhen: Die lokale Erkennung von Fehlverhalten durch Knoten des VANETs, die lokale kurzfristige Identifizierung potentieller Angreifer und die zentrale langfristige Identifizierung von Angreifern.

Der Ansatz zur lokalen Erkennung von Fehlverhalten auf VANET-Knoten nutzt verschiedene Informationsquellen. Primär sind das die empfangenen Datenpakete der Nachbarn, aber auch Messungen lokaler Sensoren werden zur Durchführung von Datenkonsistenzprüfungen und Plausibilitätsprüfungen verwendet. Sobald Inkonsistenzen oder ein unplausibles Bewegungsverhalten eines benachbarten Knotens detektiert wurden, wird dessen Verhalten lokal bewertet.

Bei der lokalen kurzfristigen Identifizierung potentieller Angreifer werden explizit die kurzzeitig gültigen und regelmäßig wechselnden pseudonymen Identifizierer der VANET-Knoten berücksichtigt, wie sie durch europäische Standards und internationale Industriegremien gefordert werden. Basierend auf Testergebnissen eines umfangreichen Feldtests werden Konzepte und Mechanismen zur lokalen Auswertung von verdächtigen Nachbarknoten vorgeschlagen. Die resultierende Vertrauenswürdigkeit der jeweiligen Nachbarknoten wird lokal verwendet, um Berichte über beobachtetes Fehlverhalten zu generieren. Diese Berichte werden anschließend zur einer zentralen Auswertungsbehörde übertragen, um langfristig verdächtige Knoten und damit mögliche Angreifer des VANETs zu identifizieren.

Der dritte Hauptbeitrag ist die Verarbeitung von Fehlverhaltensberichten für die zentrale langfristige Identifizierung von Angreifern. Wenn eine ausreichend große Anzahl von Berichten mit entsprechenden Beweisen von unabhängigen VANET-Knoten an die zentrale Auswertungsbehörde geschickt wurden, ist die Behörde berechtigt den möglichen Zusammenhang verschiedener pseudonymer Identifizierer von verdächtigen Knoten aus unterschiedlichen Fehlverhaltensberichten zu untersuchen. Dieser Schritt wird benötigt um Angreifer zu identifizieren, die ihre pseudonymen Identifizierer wechseln um ihr Fehlverhalten zu verschleiern. Der Prozess wird durch die zentrale Zertifizierungsstelle unterstützt unter Berücksichtigung der Anforderungen zum Schutz der Privatsphäre der Fahrzeugführer. Nach Auswertung der gemeldeten Fehlverhaltensberichte und der Bewertung der verdächtigen Knoten ist die zentrale Stelle in der Lage den Angreifer von der aktiven Teilnahme an der VANET-Kommunikation auszuschließen.

Basierend auf dem Wissen, das durch die praktischen Experimente erlangt wurde, haben wir ein effektives Konzept entwickelt, mit dem der sichere und langfristige Betrieb eines VANETs ermöglicht wird. Angreifer und fehlerhafte Knoten können reaktiv aus dem Netzwerk ausgeschlossen werden nachdem unabhängige Netzwerkknoten ihr Fehlverhalten erkannt haben und eine zentrale Stelle die Verursacher identifiziert hat. Dieses Konzept ist effektiver bezüglich des langfristigen Ausschlusses von Angreifern sowie der Minimierung von Falsch-Positiv Erkennungen im Vergleich zu Mechanismen, die nur auf VANET-Knoten eingesetzt werden. Durch die drohende Gefahr langfristig erkannt und aus dem Netzwerk ausgeschlossen zu werden, können potentielle Angreifer bereits im Voraus davon abgeschreckt werden Angriffe durchzuführen. Da die vorgeschlagenen Mechanismen auf der Erkennung von abnormalem Knotenverhalten basieren, sollten auch zukünftige Angriffsmethoden erkannt werden, die derzeit noch nicht bekannt sind.

Deutsch
URN: urn:nbn:de:tuda-tuprints-42573
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
Fachbereich(e)/-gebiet(e): 20 Fachbereich Informatik
Hinterlegungsdatum: 07 Dez 2014 20:55
Letzte Änderung: 07 Dez 2014 20:55
PPN:
Referenten: Waidner, Prof. Dr. Michael ; Kargl, Prof. Dr. Frank
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 27 November 2014
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen