CANdito：改进基于载荷的控制器局域网攻击检测
密码学与安全
2022-08-16 v1
摘要
多年来，日益复杂且互联的车辆提升了对车载网络高效入侵检测系统的需求。鉴于控制器局域网(Controller Area Network, CAN)上领域要求严苛且传输信息异构，已有多种在不同抽象层级与粒度上工作的方案被提出。其中，基于循环神经网络(recurrent neural network, RNN)的方案因其性能与 promising 结果受到研究界关注。本文改进了CANnolo——一种基于RNN的CAN前沿入侵检测系统(intrusion detection system, IDS)——提出CANdito，一种无监督IDS，利用长短期记忆(autoencoder, 自编码器)通过信号重构过程检测异常。我们通过对真实世界CAN数据集中注入的一套综合合成攻击衡量CANdito的有效性。我们在注入一套综合攻击的真实世界数据集上，从检测与时延性能两方面证明了CANdito相对CANnolo的改进。
引用
@article{arxiv.2208.06628,
title = {CANdito: Improving Payload-based Detection of Attacks on Controller Area Networks},
author = {Stefano Longari and Alessandro Nichelini and Carlo Alberto Pozzoli and Michele Carminati and Stefano Zanero},
journal= {arXiv preprint arXiv:2208.06628},
year = {2022}
}