CAN-QA：用于推理车载 CAN 流量的问答基准
密码学与安全
2026-04-29 v1 机器学习
摘要
控制器区域网络（CAN）是车载安全关键通信协议，缺乏内置安全机制，使入侵检测至关重要。现有方法主要将 CAN 入侵检测形式化为分类任务，将复杂流量模式映射到攻击标签。然而，这种表述抽象掉了 CAN 流量的时序与关系结构，与实际 Forensic 工作流程不符——后者需要系统性地推理流量行为。为此，我们引入 CAN-QA，将 CAN 流量分析重新表述为问答（QA）任务。CAN-QA 将原始 CAN 日志转换为时序分段窗口，并应用确定性规则模板生成自然语言问题，配以自动生成的 ground-truth答案。最终数据集包含 33,128 个 QA 对，覆盖 10 个类别，每个类别针对 CAN 流量的语义与时序特性进行建模。使用 CAN-QA，我们评估了大型语言模型在 True/False 和多选格式下的表现。结果表明，尽管这些模型捕获了表面统计规律，但在时序推理、多条件推理和高阶行为解释方面仍显不足。我们的代码已在 https://github.com/Kriiiiss/CAN-QA 上公开。
关键词
引用
@article{arxiv.2604.24935,
title = {CAN-QA: A Question-Answering Benchmark for Reasoning over In-Vehicle CAN Traffic},
author = {Jing Chen and Abhijay Deevi and Onat Gungor and Tajana Rosing},
journal= {arXiv preprint arXiv:2604.24935},
year = {2026}
}
备注
Accepted by the 35th International Conference on Computer Communications and Networks (ICCCN 2026)