خرید و دانلود ترجمه فارسی مقاله ByCAN: پیام های شبکه منطقه ای کنترل کننده مهندسی معکوس (CAN) از سطح بیت به بایت

چکیده

As the primary standard protocol for modern cars, the Controller Area Network (CAN) is a critical research target for automotive cybersecurity threats and autonomous applications. As the decoding specification of CAN is a proprietary black-box maintained by Original Equipment Manufacturers (OEMs), conducting related research and industry developments can be challenging without a comprehensive understanding of the meaning of CAN messages. In this paper, we propose a fully automated reverse-engineering system, named ByCAN, to reverse engineer CAN messages. ByCAN outperforms existing research by introducing byte-level clusters and integrating multiple features at both byte and bit levels. ByCAN employs the clustering and template matching algorithms to automatically decode the specifications of CAN frames without the need for prior knowledge. Experimental results demonstrate that ByCAN achieves high accuracy in slicing and labeling performance, i.e., the identification of CAN signal boundaries and labels. In the experiments, ByCAN achieves slicing accuracy of 80.21%, slicing coverage of 95.21%, and labeling accuracy of 68.72% for general labels when analyzing the real-world CAN frames.

چکیده به فارسی (ترجمه ماشینی)

به عنوان پروتکل استاندارد اصلی برای اتومبیل های مدرن ، شبکه کنترلر منطقه (CAN) یک هدف تحقیقاتی مهم برای تهدیدهای امنیت سایبری خودرو و کاربردهای خودمختار است.از آنجا که مشخصات رمزگشایی CAN یک جعبه سیاه اختصاصی است که توسط تولید کنندگان تجهیزات اصلی (OEM) نگهداری می شود ، انجام تحقیقات مرتبط و پیشرفت های صنعت می تواند بدون درک جامع از معنی پیام های CAN چالش برانگیز باشد.در این مقاله ، ما یک سیستم مهندسی معکوس کاملاً خودکار ، به نام توسط کاکان ، برای پیام های مهندس معکوس پیشنهاد می کنیم.ByCan با معرفی خوشه های سطح بایت و ادغام چندین ویژگی در سطح بایت و بیت ، از تحقیقات موجود بهتر عمل می کند.BYCAN از الگوریتم های خوشه بندی و الگوی تطبیق استفاده می کند تا به طور خودکار مشخصات قوطی را بدون نیاز به دانش قبلی رمزگشایی کند.نتایج تجربی نشان می دهد که BY Can به دقت بالایی در عملکرد برش و برچسب زدن دست می یابد ، یعنی شناسایی CAN مرزها و برچسب ها را نشان می دهد.در آزمایشات ، ByCan به دقت برش 80.21 ٪ ، پوشش برش 95.21 ٪ و دقت برچسب زدن 68.72 ٪ برای برچسب های عمومی هنگام تجزیه و تحلیل قاب های دنیای واقعی دست می یابد.