CAN_Reverse_Engineering

Otomatis dapat melakukan muatan rekayasa terbalik

MELIHAT

Pandangan yang dinyatakan dalam dokumen dan kode ini adalah milik penulis dan tidak mencerminkan kebijakan resmi atau posisi Angkatan Udara Amerika Serikat, Angkatan Darat Amerika Serikat, Departemen Pertahanan Amerika Serikat atau Pemerintah Amerika Serikat. Materi ini dinyatakan sebagai karya pemerintah AS dan tidak tunduk pada perlindungan hak cipta di Amerika Serikat. Persetujuan untuk pengungkapan publik kode ini telah disetujui oleh Urusan Publik Basis Udara ke-88 pada 08 Maret 2019 di bawah nomor kasus 88ABW-2019-0910. Pengungkapan disertasi yang tidak diklasifikasikan disetujui pada 03 Januari 2019 di bawah nomor kasus 88ABW-2019-0024.

---

Proyek ini memiliki skrip Python dan R yang dimaksudkan untuk memfasilitasi rekayasa balik otomatis dari payload Area Network (CAN) yang diamati dari kendaraan penumpang. Kode ini awalnya dikembangkan oleh Dr. Brent Stone di Air Force Institute of Technology dalam mengejar Dokter Filsafat dalam Ilmu Komputer. Silakan lihat disertasi yang disertakan berjudul "Mengaktifkan Audit dan Deteksi Intrusi untuk Jaringan Area Pengontrol Kepemilikan" untuk perincian tentang metode yang digunakan. Harap buka masalah yang memberi tahu saya jika Anda menemukan kesalahan ketik, tata bahasa yang buruk, gambar berhak cipta yang ingin Anda hapus, atau masalah lainnya!

Terima kasih khusus kepada Dave Blundell, rekan penulis buku pegangan mobil peretas, dan komunitas Open Garages untuk saran teknis dan melayani sebagai papan suara.

Tips dan nasihat

Script ini tidak akan segera berjalan saat mengkloning repo ini. Semoga tips ini akan menghemat waktu dan frustrasi Anda dengan mengatakan, "Mengapa hal -hal ini berhasil!?!?!" Silakan ajukan pertanyaan dengan memposting di grup Google Open Garages. Skrip -skrip ini dikembangkan dan diuji menggunakan Python 3.6. Pastikan Anda memiliki paket numpy, panda, & scikit-learn yang tersedia untuk penerjemah python Anda.

File -file tersebut disusun dengan contoh dapat sampel data dan tiga folder. Setiap folder adalah set mandiri kelas Python yang saling bergantung atau skrip R untuk memeriksa data dalam format yang ditunjukkan dalam contoh LoggerProgram0.log. Format file yang berbeda dapat digunakan dengan menyesuaikan preprocessor.py yang sesuai.

• Folder 1: Pipa

  • Cukup salin LoggerProgram0.log ke folder ini dan jalankan Main.py.
  • Ini adalah implementasi paling mendasar dari pipa yang dijelaskan dalam disertasi. Lebih dari 80% kode dirujuk dari main.py. Ikuti panggilan yang dilakukan di main.py untuk melihat bagaimana data diproses secara berurutan dan disimpan ke disk.
  • 20% sisanya adalah bagian kode yang tidak digunakan yang dibiarkan di tempat untuk berfungsi sebagai referensi untuk berbagai cara melakukan hal-hal dalam Python atau eksperimen menarik yang layak dilestarikan (seperti pencarian Smith-Waterman).

• Folder 2: Pipeline_Multi-File

  • Ini adalah implementasi konsep yang paling lengkap dan kuat yang disajikan dalam disertasi; Namun, kode ini juga lebih rumit untuk memungkinkan pemrosesan otomatis banyak sampel data kaleng sekaligus. Jika Anda belum sangat nyaman dengan python dan panda, pastikan Anda memahami bagaimana skrip dalam folder pipa berfungsi sebelum mencoba melalui versi kode yang diperluas ini.

  • Folder ini mencakup kelas yang sama dari pipa . Namun, beberapa bug diperbaiki di sini tetapi tidak di kelas yang disimpan dalam pipa . Jika jiwa yang murah hati ingin mentransplantasikan perbaikan kembali ke pipa , saya akan dengan senang hati menggabungkan garpu.

  • Pastikan Anda membaca komentar tentang struktur folder yang diharapkan!

• Folder 3: R skrip

  • Skrip R membutuhkan paket REDM. Cari Commands_List.txt untuk serangkaian perintah R berurutan. Untuk informasi lebih lanjut tentang EDM, lihat Beranda Sugihara Lab UC San Diego: https://deepeco.ucsd.edu/.

  • Folder "City" dan "Home" termasuk file .csv dari rpm mesin, tekanan rem, dan deret waktu kecepatan kendaraan selama kondisi mengemudi yang berbeda. Setiap folder menyertakan file "commands_list _ ####. Txt" untuk perintah copy-paste r untuk menganalisis data ini menggunakan paket REDM.

  • File .rda dan output grafis .pdf adalah contoh output menggunakan perintah r dan menyediakan data .csv.

[Pembaruan April 2020] Akankah Freeman menambahkan dukungan untuk argumen baris perintah dan pra-pemrosesan format log-utils. Penggunaan adalah:

Contoh Penggunaan Dengan Can -Utils Format Log Python Main.py -C InputFile.log

Python Main.py-Can-utils inputfile.log

Contoh digunakan dengan format asli python main.py originalformat.log

Contoh digunakan dengan ./loggerprogram0.log python main.py

Informasi spesifik skrip dengan folder

Pipa

Input : Can data dalam format yang ditunjukkan dalam LoggerProgram0.log

• Main.py
  1. TUJUAN : Skrip ini tautan dan memanggil semua skrip yang tersisa di folder ini. Ini menangani beberapa variabel 'global' yang digunakan untuk memodifikasi aliran data antara skrip serta file output ke hard disk lokal.
• Preprocessor.py
  1. Tujuan : Skrip ini bertanggung jawab untuk membaca file .log dan mengonversinya ke struktur data runtime yang dikenal sebagai bingkai data panda. Beberapa 'pembersihan data' juga dilakukan oleh skrip ini. Output adalah struktur data kamus yang berisi objek runtime arbid berdasarkan kelas yang ditentukan dalam arbid.py . J1979.Py dipanggil untuk mencoba mengidentifikasi dan mengekstrak data dalam bingkai data yang terkait dengan standar SAE J1979. J1979 adalah standar komunikasi publik sehingga data ini tidak perlu dianalisis secara khusus oleh skrip berikut.
• Lexicalanalysis.py
  1. Tujuan : Skrip ini bertanggung jawab untuk membuat tebakan berpendidikan tentang data seri waktu yang ada dalam bingkai data dan kamus arbid yang dibuat oleh preprocessor.py . Seri waktu individu direkam menggunakan kamus objek runtime sinyal berdasarkan kelas yang ditentukan dalam sinyal.py .
• Semantikalisis.py
  1. Tujuan : Skrip ini menghasilkan matriks korelasi dari seri waktu sinyal yang dihasilkan oleh lexicicalAnalysis.py . Matriks korelasi itu kemudian digunakan untuk mengelompokkan seri waktu sinyal menggunakan implementasi sumber terbuka dari algoritma pengelompokan hierarkis.
• Plotter.py
  1. TUJUAN : Skrip ini menggunakan pustaka plot open source untuk menghasilkan visualisasi kelompok seri waktu sinyal dan seri waktu J1979 yang dihasilkan oleh skrip sebelumnya.

Output : Rangkaian skrip ini menghasilkan array output tergantung pada variabel global yang didefinisikan dalam main.py. Output ini mungkin termasuk yang berikut:

• File 'acar' dari kamus runtime dan objek bingkai data menggunakan pustaka pickle open source untuk python. File -file ini cukup mempercepat eksekusi berulang dari skrip python ketika file .log yang sama digunakan untuk input ke main.py.
• File teks yang dipisahkan koma (.csv) dari matriks korelasi antara data deret waktu yang ada dalam file .log.
• Grafik plot-plot dari seri waktu yang ada dalam file .log.
• Grafik dendrogram yang diproduksi selama pengelompokan hierarkis di semantikalisis.py . Dendrogram adalah metode yang terdokumentasi dengan baik untuk memvisualisasikan hasil algoritma pengelompokan hierarkis.

Pipeline_multi-file

Input : Can data dalam format yang ditunjukkan dalam LoggerProgram0.log.

• Main.py dan skrip bernama identik lainnya dari pipa telah diperbarui untuk memungkinkan skrip mengimpor dan memproses beberapa file .log secara otomatis.
• Fileboi.py
  1. Tujuan : Ini adalah serangkaian fungsi yang menangani logistik mencari dan membaca dalam data dari beberapa file .log.
• Sampel.py
  1. TUJUAN : Sebagian besar fungsi yang ada di Main.py dalam pipa telah dipindahkan ke skrip ini. Ini berfungsi bersama dengan fileboi.py untuk menangani logistik bekerja dengan beberapa file .log.
• Samplestats.py
  1. Tujuan : Skrip ini menghasilkan dan merekam serangkaian statistik dasar tentang file .log tertentu.
• Validator.py
  1. TUJUAN : Skrip ini melakukan teknik validasi pembelajaran mesin umum yang disebut 'split uji-kereta' untuk mengukur konsistensi output lexicalanalysis.py dan semantikalisis.py . Ini digunakan bersama dengan samplestats.py untuk menghasilkan temuan yang dapat diukur untuk makalah penelitian dan disertasi. Output : Output dari pipeline_multi-file sama dengan pipa tetapi diatur sesuai dengan struktur file yang digunakan untuk menyimpan set file .log yang digunakan sebagai input. Samplestats.py dan validator.py juga menghasilkan beberapa metrik statistik tambahan mengenai masing -masing file .log.

R

Input : File .csv sederhana yang berisi data deret waktu seperti yang termasuk dalam folder ini.

• commands_list.txt, commands_list_city.txt, commands_list_home.txt
  1. Tujuan : Ini adalah daftar perintah R untuk paket REDM yang tersedia secara publik. Maksudnya adalah untuk melakukan analisis rangkaian waktu sesuai dengan Panduan Pengguna REDM. Setiap versi sangat mirip dan disesuaikan hanya untuk menunjuk ke file .csv yang berbeda untuk input dan file .pdf untuk memvisualisasikan output.

Output :

• File .rda
  1. Tujuan : Ini adalah file yang dapat dibaca mesin untuk menyimpan objek bingkai data R ke disk. Semua file ini dihasilkan menggunakan operasi yang tercantum dalam commands_list.txt, commands_list_city.txt, commands_list_home.txt, dan file .csv yang disediakan.
• file .pdf
  1. Tujuan : Ini adalah visualisasi dari output dari perintah R menggunakan file .csv yang disediakan.