Cooperative Intelligent Transport Systems (C-ITS) aim to create safer, more efficient, and more comfortable transportation systems. A cornerstone of these systems is the reliable exchange of information in Vehicular Ad Hoc Networks (VANETs), facilitated through communication modes such as Vehicle-to-Vehicle (V2V), Vehicle-to-Infrastructure (V2I), and Vehicle-to-Pedestrian (V2P). Wireless technologies like ITS-G5 enable this communication by transmitting messages such as Basic Safety Messages (BSMs) or Cooperative Awareness Messages (CAMs) in Europe, which carry critical data, including speed and position. To ensure secure communication in VANETs, Misbehavior Detection Systems (MDSs) are employed to validate received messages. However, real-world vehicular maneuvers, such as lane changes and turns, introduce significant dynamics into the network, potentially impacting the reliability and robustness of MDSs. Understanding these impacts is crucial to building a secure vehicular communication systems. The problem of evaluating the impact of vehicular maneuvers on MDSs in VANET is both significant and under-explored. Relevant researches often focus on the performances or fusion of algorithms of MDSs in random or idealized scenarios, neglecting the complexities introduced by dynamic maneuvers. This provides us an opportunity to explore MDSs under more dynamic conditions, advancing their reliability for real-world deployment. In addition, deployment of novel attacks gives us a new prospective of evaluating MDSs performance on these attacks. This research employs SUMO for mobility and map simulations, OMNeT++ for communication protocols and discrete event simulations, and the F2MD framework for deploying attacks, simulating BSMs, and implementing MDSs. By combining controlled simulations with statistical analyses, we evaluate the effectiveness of MDSs under varying conditions. Key findings indicate that while maneuvers such as lane changes and turns introduce minor false positives in non-attack scenarios, they have limited impact on the detection of already well-identified attacks. The Behavioral Application, with its time-based punishment mechanism, outperformed other MDSs, demonstrating enhanced detection for gradual attacks. However, attacks designed specifically for maneuvers, such as the lane change mirror attack, proved challenging to detect, revealing vulnerabilities in threshold-based MDSs. Based on our findings, researchers can consider implementing time-based punishment mechanism to their MDSs for performance improvements. These advancements would bring MDSs closer to real-world applications, ensuring robust performance in dynamic vehicular environments.

C-ITS syftar till att skapa säkrare, mer effektiva och bekvämare trans- portsystem. En hörnsten i dessa system är det pålitliga informationsutbytet inom fordonsad hoc-nätverk (VANETs), vilket möjliggörs genom kommu- nikationslägen som fordon-till-fordon (V2V), fordon-till-infrastruktur (V2I) och fordon-till-fotgängare (V2P). Trådlösa teknologier som ITS-G5 stöder denna kommunikation genom att skicka meddelanden som grundläggande säkerhetsmeddelanden (BSMs) eller samarbetsmedvetenhetsmeddelanden (CAMs) i Europa, vilka innehåller kritiska data som hastighet och position. För att säkerställa säker kommunikation i VANETs används felbeteendede- tekteringssystem (MDSs) för att validera mottagna meddelanden. Verkliga fordonsmanövrar, såsom filbyten och svängar, introducerar dock betydande dynamik i nätverket, vilket potentiellt kan påverka MDSs:s tillförlitlighet och robusthet. Att förstå dessa påverkan är avgörande för att bygga säkra kommunikationssystem för fordon. Problemet med att utvärdera effekten av fordonsmanövrar på MDSs i VANETs är både viktigt och otillräckligt utforskat. Relaterade studier fokuserar ofta på MDSs:s prestanda eller algoritmfusion i slumpmässiga eller idealiserade scenarier och förbiser de komplexiteter som dynamiska manövrar introducerar. Detta ger en möjlighet att utforska MDSs under mer dynamiska förhållanden och förbättra deras tillförlitlighet för verkliga tillämpningar. Dessutom ger införandet av nya attacker ett nytt perspektiv på att utvärdera MDSs:s prestanda mot dessa hot. Denna forskning använder SUMO för mobilitet och kartor, OMNeT++ för kommunikationsprotokoll och diskreta händelsesimuleringar, samt F2MD- ramverket för att implementera attacker, simulera BSMs och utvärdera MDSs. Genom att kombinera kontrollerade simuleringar med statistiska analyser utvärderar vi MDSs:s effektivitet under varierande förhållanden. Huvudresul- taten visar att även om manövrar som filbyten och svängar orsakar mindre falska positiva resultat i scenarier utan attacker, har de begränsad påverkan på upptäckten av redan välidentifierade attacker. Applikationen Behavioral Application med sin tidsbaserade bestraffningsmekanism presterade bättre än andra MDSs och visade förbättrad upptäckt av gradvisa attacker. Däremot visade sig attacker utformade specifikt för manövrar, såsom filbytesattacker, vara svåra att upptäcka och avslöjade sårbarheter i tröskelbaserade MDSs. Baserat på våra resultat kan forskare överväga att implementera tidsbaserade bestraffningsmekanismer i sina MDSs för förbättrad prestanda. Dessa framsteg skulle föra MDSs närmare verkliga tillämpningar och säkerställa robust prestanda i dynamiska fordonsmiljöer.