利用时间卷积网络检测 CAN 总线上的消息篡改攻击
密码学与安全
2021-06-17 v1 人工智能
摘要
多起攻击表明车载网络存在可被利用的漏洞。为现代车辆保障控制器局域网（CAN）的安全已成为汽车制造商的一项必要任务。某些攻击向 CAN 网络注入大量伪造消息；然而此类攻击相对容易检测。在更为复杂的攻击中，原始消息被篡改，使得检测成为更复杂的问题。在本文中，我们提出一种基于机器学习的 CAN 网络入侵检测新方法。我们专注于检测不改变通信时序模式的消息篡改攻击。我们提出的基于时间卷积网络的方案能够学习 CAN 信号的正常行为并将其与恶意信号区分开来。该方法在两个包含不同类型攻击的公开数据集的多个 CAN 总线消息 ID 上进行了评估。性能结果表明，我们的轻量级方法优于最先进的无监督学习方法，在广泛场景中以显著更低的误报率实现了相似或更高的准确率。
引用
@article{arxiv.2106.08692,
title = {Detecting message modification attacks on the CAN bus with Temporal Convolutional Networks},
author = {Irina Chiscop and András Gazdag and Joost Bosman and Gergely Biczók},
journal= {arXiv preprint arXiv:2106.08692},
year = {2021}
}