E!10492, RaSCAL, Kvaser AB

Viktiga resultat som projektet gav

Målet var ett verktyg som kunde hitta fel i en CAN-kommunikation. Det andra målet var att klassificera felen och platsen för felen. Det tredje målet var någon form av AI (Artificiell Intelligens) som kan göra detta automatiskt för att hjälpa vanliga användare att lösa problemet. Det första målet är gjort bortom förväntan eftersom mätningen även kan upptäcka mycket små förändringar som att ändra kabellängd eller lägga till eller ta bort enheter från kommunikationen. Platsen för felet har viss osäkerhet och vi behöver fortfarande en manuell utvärdering för att vidta korrekta åtgärder.

Långsiktiga effekter som förväntas

Vi har ett verktyg som kan ta ett fingeravtryck av ett system och med detta som referens är det möjligt att upptäcka även små förändringar som kabellängd eller utbyte av de anslutna enheterna. Det är också möjligt att upptäcka om CAN-paketen skickas från en annan enhet än normalt. Detta gör det möjligt att skydda alla fordon som använder CAN-kommunikation från avsiktlig eller oavsiktlig modifiering. Problemet härifrån är att få ett system som utnyttjar denna information på ett effektivt sätt för att säkerställa att fordonet är skyddat men fortfarande tillgängligt för fordonets syfte.

Upplägg och genomförande

Kvaser är ett hårdvaruföretag och det mesta av projektplaneringen handlade om hur man får fram hårdvaran till projektet. Vi upptäckte snart att det mesta av arbetet var programvara som var mer omfattande än förväntat. Av den anledningen har vi spenderat mycket mer på personal för att producera programvara och mindre resurser för den faktiska hårdvaran.