一种用于保护车载网络的对抗攻击防御系统
机器学习
2020-09-01 v2 密码学与安全
摘要
在现代车辆中，有超过七十个电子控制单元（ECUs）。对于车载网络，ECUs 通过遵循标准通信协议（如控制器局域网络（CAN））相互通信。然而，攻击者可通过 WLAN 或蓝牙轻易访问车载网络以破坏 ECUs。尽管已有多种深度学习（DL）方法被建议用于保护车载网络，近期关于对抗样本的研究表明攻击者可以轻易欺骗 DL 模型。在本研究中，我们进一步探索车载网络中的对抗样本。我们首先发现并实现了两种对车载网络中使用的长短期记忆（LSTM）检测模型有害的对抗攻击模型。然后，我们提出了一种用于保护车载网络的对抗攻击防御系统（AADS）。具体而言，我们关注车载网络中与制动相关的 ECUs。我们的实验结果表明，对抗者可以轻易攻击基于 LSTM 的检测模型，成功率超过 98%，且所提出的 AADS 在检测对抗攻击方面达到了超过 99% 的准确率。
引用
@article{arxiv.2008.11278,
title = {An Adversarial Attack Defending System for Securing In-Vehicle Networks},
author = {Yi Li and Jing Lin and Kaiqi Xiong},
journal= {arXiv preprint arXiv:2008.11278},
year = {2020}
}
备注
6 pages, 3 figures