CANet:一种面向高维 CAN 总线数据的无监督入侵检测系统
密码学与安全
2020-03-26 v1 机器学习
信号处理
摘要
我们提出一种用于检测 CAN 总线上入侵的新颖神经网络架构。控制器局域网(CAN)是汽车电子控制单元(ECU)间的标准通信方法。然而,CAN 缺乏安全机制,且近来已被表明可遭远程攻击。因此,监控 CAN 流量以检测入侵是可取的。为检测已知与未知两类入侵场景,我们考虑一种称为 CANet 的新颖无监督学习方法。据我们所知,这是首个基于深度学习的入侵检测系统(IDS),其接收具有不同 ID 的单个 CAN 消息并在接收时刻对其进行评估。这是一项显著进展,因为具有不同 ID 的消息通常在不同时刻以不同频率发送。我们的方法在真实与合成 CAN 数据上评估。为方法可复现,我们的合成数据公开可用。与先前基于机器学习的方案比较显示,CANet 以显著优势超越它们。
引用
@article{arxiv.1906.02492,
title = {CANet: An Unsupervised Intrusion Detection System for High Dimensional CAN Bus Data},
author = {Markus Hanselmann and Thilo Strauss and Katharina Dormann and Holger Ulmer},
journal= {arXiv preprint arXiv:1906.02492},
year = {2020}
}