用于汽车黑客检测的深度贝叶斯学习
密码学与安全
2021-12-20 v1
摘要
随着自动驾驶汽车与网联车辆的兴起，汽车配备了各类设备以辅助驾驶员或支撑自动驾驶系统。无疑，随着我们在车上部署越来越多设备和软件，汽车变得更加智能。相应地，车内辅助与自动驾驶系统的安全性成为一个危及生命的问题，因为智能汽车可能被恶意攻击入侵并引发交通事故。当前，标准机器学习与深度学习方法被广泛用于汽车黑客检测。然而，机器学习与深度学习方法容易过度自信，并被精心设计的对抗样本击败。此外，这些方法无法为安全工程师提供进一步分析的的解释。在本工作中，我们研究深度贝叶斯学习模型以检测并分析汽车黑客行为。贝叶斯学习方法能够捕捉数据的不确定性并避免过度自信问题。此外，贝叶斯模型可提供更多支撑预测结果的信息，帮助安全工程师进一步识别攻击。我们将我们的模型与深度学习模型比较，结果显示了所提模型的优势。本工作的代码已公开可用。
引用
@article{arxiv.2112.09333,
title = {Deep Bayesian Learning for Car Hacking Detection},
author = {Laha Ale and Scott A. King and Ning Zhang},
journal= {arXiv preprint arXiv:2112.09333},
year = {2021}
}