面向 6G 环境下物联网车辆的终身学习入侵检测系统
密码学与安全
2024-07-23 v1 人工智能
摘要
6G 技术引入物联网车辆(IoV)，将彻底变革连接性，实现超高速数据率和无缝网络覆盖。然而，这一技术飞跃也带来显著挑战，尤其是面对动态多样化的 IoV 环境，需满足 6G 网络的严苛可靠性和安全要求。此外，6G 的集成可能增加 IoV 对新兴网络威胁的敏感性。因此，安全机制必须能够动态适应并学习新的攻击模式，以跟上这些威胁快速演变和多样化的步伐——这正是现有系统所缺乏的能力。本文提出一种 novel 入侵检测系统，基于终身学习(或持续学习)范式。我们的 метод结合 class-incremental learning 与 federated learning，特别适合 IoV 的分布式本质。该策略有效地利用了连接和自动驾驶车辆(CAV)和边缘计算能力来训练检测系统。据我们了解，本研究是首次将 class-incremental learning 与 federated learning 用于网络安全攻击检测。通过在最新网络流量数据集上的全面实验，我们的系统在学习新型网络攻击模式方面表现出鲁健适应性，同时有效保留先前遇见的知识。此外，系统还保持高准确率和低误报率。
引用
@article{arxiv.2407.15700,
title = {A Life-long Learning Intrusion Detection System for 6G-Enabled IoV},
author = {Abdelaziz Amara korba and Souad Sebaa and Malik Mabrouki and Yacine Ghamri-Doudane and Karima Benatchba},
journal= {arXiv preprint arXiv:2407.15700},
year = {2024}
}