用于联网车辆环境中实时网络攻击检测的变化点模型
密码学与安全
2020-03-10 v1 机器学习
信号处理
应用统计
摘要
联网车辆（CV）系统因其车辆、路边基础设施和交通管理中心等不同组件之间日益增强的互联性而面临潜在的网络攻击。然而，由于此类攻击的动态行为、高计算能力需求以及训练检测模型所需的历史数据，对 CV 系统进行实时安全威胁检测并制定适当或有效的对策是一项挑战。为应对这些挑战，统计模型尤其是变化点模型具有实时异常检测的潜力。因此，本研究的目的是考察两种变化点模型——期望最大化（EM）和两种累积和（CUSUM）算法（即典型与自适应）——在 CV 环境中用于实时 V2I 网络攻击检测的有效性。为证明这些模型的有效性，我们使用通过仿真由 CV 生成的基元安全消息（BSM），针对三种不同类型的网络攻击（拒绝服务（DOS）、冒充和虚假信息）对这两种模型进行了评估。数值分析结果表明，EM、CUSUM 和自适应 CUSUM 检测这些网络攻击（DOS、冒充和虚假信息）的准确率分别为 (99%, 100%, 100%)、(98%, 10%, 100%) 和 (100%, 98%, 100%)。
引用
@article{arxiv.2003.04185,
title = {Change Point Models for Real-time Cyber Attack Detection in Connected Vehicle Environment},
author = {Gurcan Comert and Mizanur Rahman and Mhafuzul Islam and Mashrur Chowdhury},
journal= {arXiv preprint arXiv:2003.04185},
year = {2020}
}
备注
11 pages, 4 figures, submitted to IEEE Transactions on Intelligent Transportation Systems. arXiv admin note: substantial text overlap with arXiv:1811.12620