针对美国太空领域解决方案的威胁场景的自动化识别与评估

《ACM Journal on Autonomous Transportation Systems》：Automated Identification and Evaluation of Threat Scenarios for U-Space Solutions

针对U-space无人机交通管理系统面临的网络安全威胁，提出基于模型化的半自动风险评估方法，构建威胁场景分类目录，并验证其在无人机药品配送场景中的有效性。

　　

摘要

随着无人机生态系统的不断扩大，其在经济和社会方面的影响日益显著，这促使人们需要扩展空中交通管理范围，以实施无人驾驶航空系统的交通管理。U-space（欧洲于2016年发起的一项倡议）旨在设计和建立一个用于管理和整合无人机在空域中活动的欧洲系统，同时提供一系列服务和程序，以确保大量无人机能够安全使用空域。然而，新空域用户和运营方式的引入带来了新的挑战，尤其是网络攻击风险的增加，成为U-space面临的主要问题之一。事实上，无人机本身就带来了类似于自动驾驶车辆所面临的网络威胁。此外，U-space涉及许多高度暴露的“信息物理系统”（Cyber-Physical Systems），这些系统的脆弱性不断增加，可能导致多种威胁场景的发生，进而影响公共空间、关键设施以及公民的隐私权。

鉴于这些情况，将U-space的安全性作为首要挑战并采取适当的安全设计措施变得至关重要。从研究角度来看，这需要采用自动化安全风险评估方法来应对U-space的复杂性，并提高构建安全U-space系统的成本效益。

基于这一方向，本研究提出了一种用于U-space解决方案自动化安全风险评估的方法论初步框架，以SESAR安全风险评估方法（SecRAM）作为基准。作为第一步，我们研究了一种基于模型的半自动攻击影响评估方法。我们的主要贡献包括：定义了自动识别和评估U-space解决方案相关威胁场景的标准；制定了U-space威胁场景目录，以支持自动化评估过程。此外，我们还通过一个关于在U-space环境中使用无人机进行药品配送的案例研究展示了部分研究成果。