Tracking e Misbehavior Detection in ambienti C-ITS: Analisi e Validazione di dataset reali e simulati

La diffusione sempre più frequente delle reti V2X ha portato alla evoluzione dei Sistemi di Trasporto Intelligenti (ITS) con finalità relative al miglioramento della sicurezza stradale e dell'efficienza del traffico attraverso lo scambio di messaggi cooperativi (CAM). Queste nuove tecnologie introducono però potenziali minacce di cybersecurity, in particolare relative alla integrità (Misbehavior) e alla privacy (Tracking) dei dati. Il presente elaborato si focalizza sulla progettazione e l'implementazione di un framework volto a lavorare proprio su questi due aspetti. Inizialmente, viene valutato e testato un algoritmo di Tracking al fine di valutare la robustezza delle strategia di privacy basate su pseudonimi definite dallo standard europeo ETSI ITS-G5. Inoltre, il lavoro implementa un algoritmo di MisBehavior Detection. Viene effettuata un'analisi modulare composta da diversi check logico-matematici (che spaziano dalla plausibilità statica alla coerenza spazio-temporale e semantica), con l'obiettivo di identificare potenziali anomalie o attacchi da parte di attori malevoli. Sia dataset reali estratti dal testbed MASA (Modena Automotive Smart Area) che dataset modificati artificialmente per simulare un attacco di tipo "Sixpack" (in cui l'aggressore manipola selettivamente i dati di posizione e velocità) sono stati utilizzati per i vari test. Infine, l'elaborato descrive lo sviluppo di un'interfaccia grafica per la selezione dei dati di input, eventuali filtri, e per la validazione qualitativa delle traiettorie dei veicoli. Il sistema fornisce quindi uno strumento analitico completo per la gestione della sicurezza nelle reti VANET di prossima generazione.