Automotive Security Analyzer for Exploitability Risks: An Automated and Attack Graph-Based Evaluation of On-Board Networks

Salfer, Martin Erich

Informatik 20 - Lehrstuhl für Sicherheit in der Informatik (Prof. Eckert)

Back
Back to start of result list
Permanent link for displayed object

Original title:: Automotive Security Analyzer for Exploitability Risks
Original subtitle:: An Automated and Attack Graph-Based Evaluation of On-Board Networks
Translated title:: Automobilsicherheitsanalysator für Exploitationsrisiken
Translated subtitle:: eine automatisierte und angriffsgraphenbasierte Evaluation von Bordnetzen
Author:: Salfer, Martin Erich
Year:: 2023
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Eckert, Claudia (Prof. Dr.)
Referee:: Eckert, Claudia (Prof. Dr.); Baumgarten, Uwe (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: Automotive Security; Cyber Security; Embedded Systems; Cyber-Physical Systems; Network Hardening; Operational Technology; Vulnerability Assessment; Security Metrics
Translated keywords:: Automobilsicherheit; Cybersecurity; Eingebettete Systeme; Cyber-Physikalische Systeme; Netzwerkhärtung; Operative Technologie; Anfälligkeitsbewertung; Sicherheitsmetriken
TUM classification:: DAT 460; DAT 050
Abstract:: The “Automotive Security Analyzer for Exploitability Risks” (AutoSAlfER) evaluates the exploitability risks of automotive on-board networks by attack graphs and with a computational, asymptotic complexity of only O(n∗log(n)) and constructs attack graphs efficiently 200 to 5 000 times faster and 40 to 200 times smaller in RAM than a comparative implementation using Bayesian networks. AutoSAlfER facilitates a more secure and more sustainable on-board network architecture.
Translated abstract:: Der „Automotive Security Analyzer for Exploitability Risks“ (AutoSAlfER) evaluiert die Exploitationsrisken automobiler Bordnetze durch Angriffsgraphen und mit einer asymptotischen Rechenkomplexität von nur O(n∗log(n)) und konstruiert Angriffsgraphen effizient 200- bis 5 000-fach schneller und 40- bis 200-fach kleiner im RAM als eine vergleichbare Implementierung mittels bayesscher Netze. AutoSAlfER ermöglicht sicherere und nachhaltigere Bordnetz-Architekturen.
ISBN:: 978-3-658-43505-9
WWW:: https://mediatum.ub.tum.de/?id=1663666
Date of submission:: 28.07.2022
Oral examination:: 01.03.2023
Last change:: 29.04.2024
BibTeX