RTPS Attack Dataset

RTPS Attack Dataset是由韩国大学网络安全学院黑客与防御研究实验室创建，专注于无人地面车辆（UGV）在正常状态下的攻击和正常数据包收集。数据集通过在UGV测试床上实施命令注入和ARP欺骗两种攻击类型来收集，共计240个场景，每个场景的数据收集时间分别为180、300、600和1,200秒。该数据集旨在支持开发异常检测等技术，以解决ROS2网络和UGV中的安全威胁问题。RTPS Attack Dataset was developed by the Hacking and Defense Research Laboratory, School of Cybersecurity, Korea University. This dataset focuses on collecting both normal and attack-related network packets for Unmanned Ground Vehicles (UGVs). Specifically, it is collected by implementing two attack types, command injection and ARP spoofing, on a UGV testbed, with a total of 240 scenarios, each with data collection durations of 180, 300, 600, and 1,200 seconds respectively. The purpose of this dataset is to support the development of technologies including anomaly detection to address security threats in ROS2 networks and UGVs.

搜集汇总

数据集介绍

构建方式

随着机器人操作系统（ROS2）在自主地面车辆（UGV）中的广泛应用，其安全性问题日益凸显。为应对这一挑战，RTPS Attack Dataset应运而生。该数据集通过构建包含UGV、控制器、个人电脑及路由器的试验平台，在正常状态下注入攻击数据来采集攻击与正常数据包。数据集构建过程中，实施了命令注入与ARP欺骗两种攻击类型，并设置了180、300、600和1200秒四种数据采集时长。每种时长下包含30个独立场景，总计240个场景，以系统性地覆盖多种攻击模式。

使用方法

研究者可充分利用该数据集进行ROS2网络与UGV环境下的安全威胁分析。使用方法包括：利用机器人数据包转储文件（.pcap）进行正常与攻击行为的对比分析；结合攻击数据包转储文件（labeled.pcap）与CSV标签文件，针对命令注入和ARP欺骗攻击开展特征提取与模型训练。数据集按采集时长（180至1200秒）组织文件夹结构，便于研究者根据时间粒度选择子集。建议将数据加载至网络分析工具或机器学习框架中，用于开发入侵检测系统或评估现有安全机制的效能。

背景与挑战

背景概述

随着机器人操作系统（ROS2）在自主无人系统领域的广泛应用，其通信协议的安全性成为关键研究课题。ROS2采用实时发布-订阅协议（RTPS）作为核心通信机制，该协议虽保障了数据实时性与可靠性，却也暴露于命令注入、ARP欺骗等网络攻击威胁之下。为填补ROS2网络异常检测领域的数据空白，韩国高丽大学网络安全学院黑客与对抗研究实验室（HCRL）于2023年11月发布了RTPS Attack Dataset。该数据集由Dong Young Kim、Dongsung Kim等研究人员构建，针对无人地面车辆（UGV）在正常与攻击状态下的网络流量进行采集，涵盖命令注入与ARP欺骗两类攻击场景，并通过180至1200秒不等的采集时长生成240个多样化样本。该数据集为ROS2网络中的入侵检测系统开发提供了基准测试资源，对提升自主无人系统的安全防护能力具有重要推动作用。

当前挑战

该数据集所解决的领域问题核心在于ROS2网络中RTPS协议的安全脆弱性，尤其是针对无人地面车辆的命令注入与ARP欺骗攻击。在正常通信中，攻击者可通过篡改RTPS数据子消息中的SerializedData字段实现指令劫持，或通过ARP欺骗劫持控制器与机器人之间的数据流，导致车辆行为异常。构建过程中面临的挑战包括：测试环境需完全隔离外部网络干扰，确保采集数据纯净；攻击场景需涵盖多种时间维度（如攻击时长10至100秒、休息间隔10至20秒）与攻击序列组合（单次攻击、混合攻击、随机攻击），以模拟真实攻击的复杂性；数据标注需精确区分正常包与攻击包，尤其针对ARP欺骗中MAC地址伪造与命令注入中序列化数据变异的细微特征，这对标注算法的准确性提出了严苛要求。

常用场景

经典使用场景

在机器人操作系统（ROS2）与实时发布-订阅协议（RTPS）的网络安全研究领域中，RTPS Attack Dataset 通常被用作异常检测算法的基准测试集。研究者利用该数据集中包含的命令注入和ARP欺骗攻击流量，训练和评估基于机器学习的入侵检测模型，以识别针对无人地面车辆（UGV）网络通信中的恶意行为。该数据集涵盖了不同采集时长（180至1200秒）和多种攻击组合场景，为检测模型的泛化能力提供了丰富的测试样本。

解决学术问题

该数据集解决了ROS2和DDS（数据分发服务）网络中缺乏公开、标准化的攻击流量数据集这一关键学术问题。此前，针对RTPS协议的入侵检测研究多依赖于模拟或私有数据，难以复现和比较。RTPS Attack Dataset 提供了标记清晰的攻击与正常流量，使研究者能够系统地量化异常检测算法在真实攻击场景下的性能，推动了ROS2网络安全领域从定性分析向定量评估的转变。其发布显著促进了针对UGV和工业机器人通信协议安全威胁的实证研究。

实际应用

在实际应用中，该数据集直接服务于无人地面车辆和自主机器人系统的安全防护。通过利用该数据集训练的入侵检测系统，可以部署于工厂AGV（自动导引运输车）、物流机器人或军事侦察UGV中，实时拦截恶意命令注入或中间人攻击。例如，在智能制造场景中，若攻击者试图通过ARP欺骗劫持机器人控制链路，基于该数据集训练的模型能迅速识别异常RTPS数据包，触发报警或切断通信，从而保障生产安全与任务连续性。

数据集最近研究

最新研究方向

随着机器人操作系统ROS2在自主无人系统领域的广泛应用，其基于实时发布-订阅协议（RTPS）的通信安全性成为前沿焦点。RTPS Attack Dataset由韩国高丽大学网络安全学院发布，聚焦于无人地面车辆（UGV）在ROS2网络中的安全威胁，通过构建包含指令注入与ARP欺骗两种攻击类型的测试床，系统性地收集了正常与异常流量数据。该数据集涵盖多种攻击时长与场景组合，为开发基于机器学习的异常检测算法提供了关键基础资源，尤其针对RTPS协议中未加密数据子消息的脆弱性展开探索。这一工作紧密关联工业物联网与自主系统安全防护的热点需求，为提升DDS中间件在真实部署环境中的抗攻击能力、推动ROS2安全增强技术的落地验证提供了重要支撑。

相关研究论文

• RTPS Attack Dataset Description

  韩国大学网络安全学院黑客与防御研究实验室 · 2024年