车载网络中的异常检测

创新与技术的进步以及网络间互联的便捷性使我们朝着一个有前景的领域——车联网发展。如今，现代车辆连接到一系列网络，包括车载网络和外部网络。然而，汽车工业的一个主要挑战是使车辆安全可靠；特别是由于现有传统协议存在漏洞，针对车辆网络的网络攻击正急剧上升。实际上每辆车辆都使用通用的控制器局域网络（CAN）总线协议，用于电子控制单元之间的通信，以传输关键车辆功能及与驾驶员安全相关的消息。CAN总线系统尽管具有关键重要性，却缺乏任何协议的认证与授权这一关键特性。导致CAN总线安全被攻破会对车辆和驾驶员安全造成严重问题。本文讨论了CAN总线协议的安全问题，并提出了一种入侵检测系统（IDS），用于检测车载网络上的已知攻击。采用多种人工智能（AI）算法，基于通过CAN传输的消息、时间戳和数据包来识别已知的潜在网络攻击。本文的主要目标是通过考虑时间序列特征和攻击频率来准确检测网络攻击。大多数被评估的AI算法在考虑攻击频率时，以超过99%的显著准确率正确识别已知攻击。然而，当不考量时间戳时，这些模型的准确率约为92%至97%。长短期记忆（LSTM）、Xgboost和SVC已被证明是性能良好的分类器。