基于车载网络日志的驾驶员自动识别
密码学与安全
2019-11-22 v1 机器学习
信号处理
机器学习
摘要
汽车生成的数据正以前所未有的规模增长。随着汽车逐渐沦为物联网(IoT)生态系统的一部分,若干利益相关者发现了包含车内大量传感器测量值的车载网络日志的价值。这海量数据也有望被第三方用于驾驶员画像,以提供个性化增值服务。尽管若干先前工作已成功证明利用车辆 CAN(控制器局域网络)总线上捕获的车载网络数据进行驾驶员再识别的可行性,但它们仅从从 CAN 消息中提取的已知传感器信号(如车速、制动踏板位置、方向盘转角等)推断驾驶员身份。然而,汽车制造商有意不公开 CAN 日志中确切的信号位置与语义。我们表明,即便使用现成机器学习技术而不对 CAN 协议进行逆向工程,也可能推断驾驶员身份。我们在一个含 33 名驾驶员的数据集上演示了该方法,并显示驾驶员可被再识别且与其他驾驶员区分,准确率为 75-85%。
引用
@article{arxiv.1911.09508,
title = {Automatic Driver Identification from In-Vehicle Network Logs},
author = {Mina Remeli and Szilvia Lestyan and Gergely Acs and Gergely Biczok},
journal= {arXiv preprint arXiv:1911.09508},
year = {2019}
}