CANShield：基于深度学习的控制器局域网络信号级入侵检测框架
密码学与安全
2023-10-10 v4 机器学习
摘要
现代车辆依赖通过控制器局域网络（CAN）总线连接的一批电子控制单元（ECU）来实现关键车辆控制。随着汽车中高级连接功能的扩展以及内部系统暴露风险的提升，CAN总线日益容易受到入侵和注入攻击。由于普通注入攻击会破坏CAN数据流的典型时序特性，基于规则的入侵检测系统（IDS）可以轻易检测它们。然而，高级攻击者可以在信号/语义层面注入虚假数据，同时使其CAN消息的模式/频率看起来无害。基于规则的IDS以及基于异常的IDS仅构建在CAN消息ID序列或仅二进制载荷数据上，对这类攻击的检测效果较差。因此，为检测此类智能攻击，我们提出CANShield，一种基于深度学习的CAN总线信号级入侵检测框架。CANShield由三个模块组成：数据处理模块，在信号级处理高维CAN数据流并将其解析为适用于深度学习模型的时间序列；数据分析模块，由多个深度自编码器（AE）网络组成，每个网络从不同时间尺度和粒度分析时间序列数据；以及攻击检测模块，使用集成方法做出最终决策。在两个高保真基于信号的CAN攻击数据集上的评估结果表明，CANShield在检测高级入侵攻击方面具有高准确率和响应性。
引用
@article{arxiv.2205.01306,
title = {CANShield: Deep Learning-Based Intrusion Detection Framework for Controller Area Networks at the Signal-Level},
author = {Md Hasan Shahriar and Yang Xiao and Pablo Moriano and Wenjing Lou and Y. Thomas Hou},
journal= {arXiv preprint arXiv:2205.01306},
year = {2023}
}
备注
17 pages, 13 figures, A version of this paper is accepted by IEEE Internet of Things Journal