A Hardware–Software Co-Designed Lightweight CNN–MLP Accelerator for CAN Intrusion Detection on FPGA

Os carros modernos já não são apenas máquinas com motores e rodas; são redes móveis de dezenas de pequenos computadores, conhecidos como unidades de controle eletrônico, que comunicam constantemente entre si para gerir tudo, desde a travagem até à direção. Estes computadores comunicam através de uma autoestrada partilhada chamada CAN bus (Controller Area Network). Durante décadas, este sistema funcionou de forma fiável porque foi concebido para velocidade e simplicidade, não para segurança. Carece das trancas digitais e das verificações de identidade encontradas nas conexões modernas de internet, o que significa que, se um hacker conseguir ligar-se à porta de diagnóstico do carro ou aceder à sua cablagem, poderá enviar mensagens falsas que parecem ser legítimas. Esta vulnerabilidade permite que atacantes inundem a rede com ruído, confundam os sistemas do carro ou até tomem o controlo de funções críticas. Para travar estas ameaças, os engenheiros estão a recorrer à inteligência artificial, especificamente a sistemas que podem aprender a detetar padrões subtis de um ataque cibernético em tempo real. No entanto, estes sistemas inteligentes geralmente requerem computadores potentes que consomem demasiada energia e demoram muito tempo a processar dados para caberem no limitado cérebro eletrónico de um carro.

Uma equipa de investigadores da Universidade de Sfax, na Tunísia, abordou este problema ao criar um novo tipo de sistema de segurança que é suficientemente inteligente para detetar ataques e suficientemente pequeno para correr no hardware existente de um carro. Em vez de tentar forçar um programa de computador massivo e complexo num espaço minúsculo, eles desenharam um sistema leve do zero, equilibrando cuidadosamente o software que faz o pensamento com o hardware especializado que realiza o trabalho. Eles construíram um acelerador personalizado num chip chamado FPGA, que é um chip de computador reconfigurável frequentemente utilizado na engenharia porque pode ser programado para realizar tarefas específicas com uma velocidade incrível e baixo consumo de energia. Os investigadores não se limitaram a pegar num programa de segurança padrão e encolhê-lo; eles co-projetaram todo o sistema, moldando o modelo de inteligência artificial para se ajustar às forças do hardware, enquanto adaptavam o hardware para lidar com as necessidades do modelo.

O núcleo da sua solução é uma arquitetura híbrida que combina dois tipos de redes neuronais, que são sistemas informáticos modelados segundo o cérebro humano. Uma parte procura padrões de curto prazo no fluxo de dados, enquanto a outra toma a decisão final sobre se uma mensagem é segura ou maliciosa. Este design evita as etapas de processamento sequenciais pesadas que atrasam outros tipos de IA, permitindo que o sistema analise o tráfego à medida que ele flui através da rede do carro, sem atrasos. Para fazer isto funcionar num chip com memória limitada, os investigadores utilizaram uma técnica chamada quantização de ponto fixo heterogénea. Em termos simples, isto significa que eles ajustaram a precisão dos números que o computador utiliza para diferentes partes do cálculo. Mantiveram uma alta precisão para as partes mais críticas do processo de tomada de decisão, para garantir a precisão, enquanto utilizaram números mais simples e de menor precisão para as etapas menos críticas, de modo a poupar espaço e energia. Esta abordagem permitiu-lhes manter o cérebro do sistema compacto sem perder a sua capacidade de detetar ameaças subtis.

Quando os investigadores testaram o seu sistema utilizando um conjunto de dados bem conhecido de tráfego de rede de automóveis, que incluía condução normal bem como ataques simulados, como inundações de negação de serviço e tentativas de personificação, os resultados foram impressionantes. O sistema identificou corretamente o tipo de tráfego com uma precisão de 99,28 por cento, o que significa que raramente comete erros ao distinguir entre um carro seguro e um carro hackeado. Mais importante ainda, fez isto com extrema velocidade e eficiência. O sistema conseguiu analisar um novo conjunto de dados e tomar uma decisão em apenas 0,138 milissegundos, um intervalo de tempo tão curto que acontece quase instantaneamente do ponto de vista humano. Também consumiu muito pouca energia, drenando apenas 1,793 watts durante o funcionamento, um nível de eficiência energética que torna viável para um carro correr este monitor de segurança continuamente sem esgotar a bateria.

Os investigadores compararam a sua abordagem com outros métodos que foram tentados em hardware semelhante. Muitas soluções existentes dependem de simplificações extremas que tornam os números instáveis ou utilizam designs sequenciais complexos que são demasiado lentos para a segurança em tempo real. Outras dependem de hardware específico e proprietário que não pode ser facilmente transferido para diferentes modelos de carros. O novo design evita estas armadilhas ao encontrar um meio-termo. Alcança quase a mesma precisão de deteção que os modelos mais complexos, mas corre significativamente mais rápido e consome menos energia. A equipa mediu uma pontuação de eficiência específica que combinava precisão, velocidade e uso de energia, e o seu sistema obteve uma pontuação mais do que duas vezes superior à de outras abordagens líderes. Isto sugere que o compromisso entre ser inteligente e ser eficiente não é um jogo de soma zero; ao projetar o software e o hardware em conjunto, é possível ter ambos.

O sistema foi construído e testado num chip Xilinx Zynq-7020, um tipo de processador que combina um núcleo de computador de uso geral com a lógica especializada necessária para este tipo de aceleração. Os investigadores utilizaram um fluxo de trabalho de síntese de alto nível, que é um método que traduz automaticamente o design de software nas instruções específicas que o chip de hardware precisa de executar. Isto permitiu-lhes criar um fluxo de dados totalmente pipelined, onde o sistema processa dados num fluxo contínuo, tal como uma linha de montagem onde um novo item é processado a cada momento em que a máquina está a funcionar. Este design garante que o sistema de segurança do carro nunca tenha de esperar que o cálculo anterior termine antes de começar o próximo, proporcionando uma resposta constante e previsível que é essencial para aplicações críticas de segurança.

Embora os resultados sejam promissores, os investigadores reconhecem que o seu trabalho é um passo em direção a um objetivo maior. Os testes foram realizados utilizando um conjunto de dados específico de tráfego registado, que fornece um ambiente controlado, mas pode não capturar todas as variações possíveis de um ataque no mundo real ou as condições caóticas de uma estrada movimentada. Eles também notaram que uma parte significativa do consumo total de energia veio da parte do processador de uso geral do chip, sugerindo que refinamentos adicionais poderiam tornar o sistema ainda mais eficiente do ponto de vista energético. Apesar destas limitações, o estudo demonstra que é possível incorporar inteligência artificial sofisticada diretamente nas unidades de controle eletrônico de um veículo. Isto abre as portas para carros que podem defender-se contra ataques cibernéticos em tempo real, protegendo a segurança do veículo e dos seus passageiros sem depender de conexões lentas para a nuvem ou computadores externos volumosos. O trabalho prova que, com engenharia cuidadosa, as restrições do hardware embarcado não têm de ser uma barreira para a segurança avançada.