Anomaly Detection, Verification and Validation via a Mini DrivingCube Demonstrator (ADMIRE)

Syfte och mål

Den ökande integrationen av självkörande funktioner och anslutning i moderna fordon skapar fler sårbarheter, och därmed fler risker för cybersäkerhetsattacker. Därför kräver verifiering och validering av fordon ur ett cybersäkerhetsperspektiv nya tillvägagångssätt. I projektet ADMIRE har vi genomfört en studie om användningen av AI tillsammans med HiL-test (Hardware in the Loop) för att identifiera attacker som baserats på nolldagars exploater och med säkerhetsmässiga konsekvenser i den europeiska transportinfrastrukturen.

Resultat och förväntade effekter

Projektet har inrättat en demonstrator i form av en 1/10 Mini DrivingCube, som har potential att övergå till en större skala. ADMIRE har visat genomförbarheten och värdet av fortsatt forskning om: * Nedskalning av HiL-testsystem för att öka antalet av dem som kan vara realistiskt utplacerade. * Upprätta nedskalade HiL-testsystem som efterliknar fältförhållanden närmare. * AI och statistiska modeller som länkar säkerhet till säkerhet. Projektet har tillsammans med ytterligare parter i ytterligare tre länder också skrivit en större europeisk ansökan på temat AI och cybersecurity.

Upplägg och genomförande

Projektplanen och arbetspaketen har fungerat väl, men innehållet hade räckt till ett större projekt där vi hade haft nytta av att engagera fler kompetenser för att nå ännu längre. Vi konstaterar också att ämnena personsäkerhet och cybersäkerhet leder till organisatoriska utmaningar eftersom frågorna ofta hanteras av olika avdelningar inom en och samma organisation. Detta har blivit tydligt inte minst då vi samarbetat med flera organisationer för att skriva det europeiska projektförslaget.