CAN-BERT 能做到吗？基于 BERT 语言模型的控制器局域网入侵检测系统
机器学习
2022-10-19 v1 密码学与安全
网络与互联网体系结构
摘要
由于日益增多的复杂客户功能，电子控制单元（ECUs）正越来越多地集成到现代汽车系统中。然而，车载网络与外部网络之间的高度互联为黑客利用车载网络协议的漏洞提供了可乘之机。在这些协议中，被称为最广泛使用的车载网络技术的控制器局域网（CAN）缺乏加密和认证机制，使得分布式 ECU 传递的通信不安全。受双向编码器来自 Transformer 的表示（BERT）在改进许多自然语言处理任务方面出色性能的启发，我们在本文中提出“CAN-BERT”，一种基于深度学习的网络入侵检测系统，用于检测 CAN 总线协议上的网络攻击。我们展示了 BERT 模型可以使用“掩码语言模型”无监督训练目标学习 CAN 总线中仲裁标识符（IDs）的序列以进行异常检测。在“Car Hacking: Attack & Defense Challenge 2020”数据集上的实验结果表明，“CAN-BERT”优于最先进的方法。除了能够根据 CAN ID 序列长度在 0.8 ms 到 3 ms 内实时识别车载入侵外，它还能以 0.81 到 0.99 的 F1-score 检测多种网络攻击。
引用
@article{arxiv.2210.09439,
title = {CAN-BERT do it? Controller Area Network Intrusion Detection System based on BERT Language Model},
author = {Natasha Alkhatib and Maria Mushtaq and Hadi Ghauch and Jean-Luc Danger},
journal= {arXiv preprint arXiv:2210.09439},
year = {2022}
}