Jármű műszerfal fejlesztése mobilra

Topics: Forensics, Cars, Mobile

A járművek egyes vezérlő elemei (ECU) egymással egy decentralizált hálózaton keresztül kommunikálnak (CAN). Az autó paraméterei, és a vezető tájékoztatáshoz használt minden információ megszerezhető erről a hálózatról. Egy hálózati megfigyelésre alkalmas eszköz segítségével lehetőség van a műszerek által mért adatokat más formában is megjeleníteni, sőt kiegészíteni olyan plusz információkkal, amelyek a hagyományos műszerfalakon nem szerepelnek.
A hallgató feladatai:
- a járművekben használt kommunikációs technológia megismerése
- a CAN hálózat lehallgatásához használható eszköz megismerése és fejlesztése
- a kinyert információ megjelenítése egy mobil alkalmazásban (iOS és/vagy Android)

Maximum number of students: 2 students

Contact: András Gazdag (CrySyS Lab)

Járművek mozgásának nyomkövetése

Topics: Forensics, Cars, Mobile

A járművek minden vezérlő egysége belső hálózaton (CAN) keresztül kommunikál. Ezen a hálózaton található meg a legtöbb vezérlőjel, és a szenzorok általál mért paraméterek értéke is. Ha egy lehallgató képes folyamatosan megfigyelni az autó mozgásához kapcsolodó paramétereket, akkor képes lehet az autó nyomkövetésére is.
A hallgató feladatai:
- a járművekben használt kommunikációs technológia megismerése
- a CAN hálózat lehallgatásához használható eszköz megismerése és fejlesztése
- a kinyert adatok értelmezése a szükséges szintig
- az adatok alapján a jármű mozgásának a rekonstrukciója

Maximum number of students: 1-2 students

Contact: András Gazdag (CrySyS Lab)

Model alapú anomália detekció gépjárművekben

Topics: Anomaly detection, Cars, Intrusion detection

A gépjárművek belső hálózata egyre bonyolultabb, egyre több számítógépből áll. Ezek a részegységek egymással kommunikálnak, és esetleg támadás áldozatául is eshetnek. A hallgató feladata többféle modell kipróbálása, amik jól predikálják, hogy mi fog történni a CAN hálózaton a közeljövőben. Ha mégsem ez következik be, akkor ezt az eltérést támadásként tudjuk értelmezni.

Maximum number of students: 1 student

Contact: Tamás Holczer (CrySyS Lab)

CAN mintafelismeres Long-Short Term Memory Neural Networks-szel

Topics: Privacy, Machine Learning, Cars

A neurális hálózatok (artifical neural networks) mára már az egyik legszélesebb körben alkalmazott gépi tanulási módszernek számít. A már-már klasszikusnak számító arcfelismerés, képfelismerés, orvosi diagnózisok (és még sok egyéb) mellett nap mint nap új alkalmazási területeit ismerhetjük meg. Rengeteg fajtája ismert, ezek közül egyik az LSTM hálózatok (long-short term memory), melyek képesek meghatározott időintervallumon adatokat megjegyezni. Arra lettek tervezve, hogy egy adatsor bizonyos mintáit fel tudják ismerni (pl: kézírás, beszéd). Tegyük fel, hogy képek sorozatából szeretnénk meghatározni, hogy hol készült/ játszódik (rövid video). Egy emlékezet nélküli algoritmus, ha az egyik képen felismer egy amerikai zászlót, akkor megmondja, hogy Amerikában vagyunk, ha a következőn éppen sushit esznek, akkor arra következtet, hogy Japánban és így tovább. Az LSTM hálózatok az ilyen jellegű kaotikus viselkedést hivatottak elkerülni. A feladatban ezeket a neurális hálókat kell alkalmazni autók CAN adatain (ld: en.wikipedia.org/wiki/CAN_bus). A feladat célja, hogy ezekből az adatokbol (mint idősor) meghatározzuk, hogy ki vezette az autót a lehetséges vezetők közül. Teszt és tanítási halmaz a hallgató rendelkezésére áll.
A hallgató feladatai:
- az LSTM hálózatok megismerése és megértése
- az algoritmus alkalmazása autók CAN bus idősorain
- az algoritmus implementálása

Maximum number of students: 1-2 student

Contact: Szilvia Lestyán (CrySyS Lab)

Anomália-detekció Connected Car rendszerben

Topics: Cars, Anomaly detection

A jövőben a balesetek radikális csökkenését igérő valós idejű járműkommunikáció, azaz a V2X biztonsági alapjait IEEE alapú hitelesítés és aláírás valósítja meg. Ezen rendszernek képesnek kell lennie a rendszerben hitelesített, azonban hibásan működő vagy megtámadott eszközök azonnali kiszűrésére és azok jogosultságának visszavonására. A Európai simTD és Preserve projektek már megalapozták az eljárás funkcionális és elméleti alapjait, azonban a valódi bevezetést további kutatás kell hogy megelőzze.
A hallgató feladata annak vizsgálata, hogy az ökoszisztéma egyes szintjein (szenzor, komponens, alrendszerek, jármű, stb. ) milyen körülmények között tekinthető az adott elem hibásnak/veszélyesnek. Továbbá, hogy milyen lehetőségek vannak a rendszer számára veszélyessé vált entitások azonosítására és kiszűrésére. A projekt különösen aktuális és a hallgatónak lehetősége lesz együttműködni a gépjármű kommunikációs rendszereit fejlesztő Commsignia-val.
Az első félévben a feladat főleg irodalomkutatás, koncepcionális javaslattétel, esetleg egy whiteparer írásában való részvétel. Későbbi félévekben lehetőség nyílik PoC specifikációban, fejlesztésben történő részvételre.
A feladat egy új EUs projekt része, melyben a CrySyS Lab és a Commsignia is konzorciumi partner.

Maximum number of students: 1-2 students

Contact: Levente Buttyán (CrySyS Lab), External supervisor (Commsignia)