Kommunikationsnetze werden durch mehr Geräte immer dichter und heterogener, integrieren immer mehr Funktionen wie Kommunikation, Lokalisierung, Sensing und Verarbeitung/AI miteinander und operieren in immer höheren Frequenzbereichen (mmWave, THz). Dies stellt besonders bei den Anwendungen im Verkehr zum vernetzten und autonomen Fahren mit hohen Gefahrenpotential neue Anforderungen an die verschiedene Schutzziele wie Vertraulichkeit, Integrität, Authentizität und Resilienz von Kommunikationssystemen.

Kommunikationsnetze für autonomes Fahrenweisen ein hohes Maß an Sicherheit und Resilienz auf, Angriffe werden frühzeitig möglicherweise vor dem Schadenseintritt auf Ebene des Physical Layer (PHY) erkannt und Gegenmaßnahmen werden nahtlos ohne Verlust der Kommunikationsqualität eingeleitet.

Ziel ist die Erforschung und Entwicklung von neuartigen und integrierten Erkennungs-, Abschwächungs-, und Kompensationsstrategien bei Angriffen auf den PHY von Kommunikationsnetzen, insbesondere im Kontext des sicherheitskritischen Vernetzten und Autonomen Fahrens. Die Erkennung erfolgt dabei durch eine Analyse des Ausbreitungskanals und die Kanalschätzung von verschiedenen Parametern sowie durch Verfahren des Machine Learnings (ML) zur Klassifikation der Angriffsvektoren.

Es wird angestrebt einen Demonstrator mit verschiedenen Angriffsvektoren auf den PHY bei einer V2X-Kommunikation aufzubauen, mit dem es möglich ist, die Art des Angriffs zu erkennen und durch die Klassifizierung eine geeignete Auswahl zu treffen und geeigneten Gegenmaßnahmen einzuleiten.

Die entwickelten Sicherheitslösungen sollen zur Erzeugung von redundanten Kommunikationsnetzen beitragen. Für den Einsatz in dynamischen Szenarien mit hohen Anforderungen an die Sicherheit werden dazu optischer Frontends entwickelt. Durch passgenaue Einsatzszenarien künftiger Kommunikationsnetze in Bereich autonomes Fahren sollen künftige Potenziale in verschiedenen Bereichen von Verkehr, Logistik und Industrie erschlossen werden. Es werden neuartige wissenschaftliche Erkennungsverfahren von Angreifern auf den PHY durch Kanalschätzung und ML-Methoden erwartet. Die Projektergebnisse dienen als Knowledge-Base für den erleichterten Wissens und Technologietransfer.