基于卷积神经网络的车载以太网 AVTP 流入侵检测系统
密码学与安全
2021-02-09 v1 机器学习
系统与控制
系统与控制
摘要
网联自动驾驶汽车（CAVs）是传统汽车的一种创新形式。车载以太网取代控制器局域网络与 FlexRay，以支持高清应用所需的大吞吐量。由于 CAVs 具有众多功能，其攻击面较大且易受攻击。然而，此前尚无研究关注基于车载以太网的网络中的入侵检测。本文提出一种用于检测基于车载以太网的网络中音视频传输协议（AVTP）流注入攻击的入侵检测方法。据我们所知，这是首个为车载以太网开发的此类方法。所提入侵检测模型基于特征生成与卷积神经网络（CNN）。为评估我们的入侵检测系统，我们搭建了基于物理 BroadR-Reach 的测试床并捕获了真实 AVTP 数据包。实验结果表明该模型性能优异：F1-score 与召回率分别大于 0.9704 与 0.9949。就每输入推理时间与 AVTP 流量生成间隔而言，我们的 CNN 模型可轻松用于实时检测。
引用
@article{arxiv.2102.03546,
title = {Convolutional Neural Network-based Intrusion Detection System for AVTP Streams in Automotive Ethernet-based Networks},
author = {Seonghoon Jeong and Boosun Jeon and Boheung Chung and Huy Kang Kim},
journal= {arXiv preprint arXiv:2102.03546},
year = {2021}
}
备注
35 pages, 9 figures, accepted to Vehicular Communications (Elsevier)