🛡️ CAN-Stealth-Attack-AI Lab

Laboratoire complet d'attaque furtive IA sur réseau CAN automobile simulé.

---

📋 Objectif

Construire un laboratoire de cybersécurité embarquée permettant :

1. Simulation d'un réseau CAN automobile (vcan0)
2. Génération de trafic ECU réaliste (Engine, ABS, Steering, Cluster)
3. Injection d'attaques CAN (naïves + IA stealth via LSTM)
4. Détection par IDS : règles classiques, Isolation Forest, Autoencoder, CUSUM
5. Démonstration live avec dashboard Streamlit + API FastAPI

---

🏗️ Architecture

[ ECU Simulators ] ---> [ Virtual CAN (vcan0) ] ---> [ Logger ]
                                   |
                                   v
                           [ Feature Pipeline ]
                                   |
                    --------------------------------
                    |                              |
            [ IA Attacker ]                [ IDS System ]
                    |                              |
                    --------------------------------
                                   |
                                   v
                           [ API + Dashboard ]

---

⚙️ Prérequis

Windows 11 + WSL2 (recommandé)

wsl --install -d Ubuntu

Dans WSL2 Ubuntu

sudo apt update && sudo apt install -y can-utils python3 python3-pip python3-venv git build-essential

# Setup Virtual CAN
sudo modprobe vcan
sudo ip link add dev vcan0 type vcan
sudo ip link set up vcan0

# Vérifier
ip link show vcan0

---

🚀 Installation

# Cloner le repo
git clone https://github.com/DanielMBouyou/CAN-BUS-HACKING.git
cd CAN-BUS-HACKING

# Créer environnement virtuel
python3 -m venv .venv
source .venv/bin/activate

# Installer le projet
pip install -e ".[dev]"

Ou via Docker

cd docker
docker compose up --build

---

🎮 Utilisation rapide

1. Lancer la simulation CAN

python -m canlab.sim.bus

2. Collecter et traiter les données

python -m canlab.data.ingest
python -m canlab.data.features

3. Lancer l'IDS

python -m canlab.ids.rules

4. Lancer l'attaque IA stealth

python -m canlab.attack.injector

5. Dashboard live

# Terminal 1 : API
uvicorn canlab.api.main:app --host 0.0.0.0 --port 8000

# Terminal 2 : Dashboard
streamlit run src/canlab/ui/app_streamlit.py

---

📊 ECUs Simulés

ECU	ID (hex)	Fréquence	Payload
Engine	0x100	10 ms	RPM
ABS	0x110	20 ms	Wheel speed
Steering	0x120	50 ms	Angle
Cluster	0x130	100 ms	Speed display

---

📈 Métriques

• Precision / Recall / F1
• False Positive Rate
• Detection Delay
• Attack Success Rate

---

📁 Structure du projet

can-stealth-attack-ai/
├── README.md
├── pyproject.toml
├── docker/
│   ├── Dockerfile
│   └── docker-compose.yml
├── docs/
│   ├── threat_model.md
│   ├── architecture.md
│   ├── demo_script.md
│   └── metrics.md
├── src/
│   └── canlab/
│       ├── config.py
│       ├── sim/          # Simulation ECU + bus
│       ├── data/         # Ingestion + feature engineering
│       ├── attack/       # IA attaquante (LSTM + Optuna)
│       ├── ids/          # Systèmes IDS
│       ├── api/          # FastAPI
│       └── ui/           # Streamlit dashboard
├── tests/
└── data/
    ├── raw/
    ├── processed/
    └── features/

---

🧪 Tests

pytest tests/ -v

---

📜 Licence

MIT

---

👤 Auteur

DanielMBouyou — GitHub