GCNIDS：基于图卷积网络的 CAN 总线入侵检测系统
密码学与安全
2023-09-26 v2
摘要
控制器局域网络（CAN）总线是当代车辆内各电子控制单元（ECU）间通信的标准协议。然而，已有研究表明 CAN 总线易受远程攻击，对车辆的安全性和功能性构成风险。为解决此问题，研究者引入了入侵检测系统（IDS）以识别并阻止此类攻击。本文中，我们提出一种利用 Zhang、Tong、Xu 和 Maciejewski 于 2019 年提出的图卷积网络（GCN）技术的 CAN 总线内入侵者检测新方法。通过发挥深度学习能力，我们旨在提升攻击检测准确率，同时最小化手动特征工程需求。我们的实验结果证实，所提出的基于 GCN 的方法在准确率、精确率和召回率上超越现有 IDS。此外，我们的方法在检测混合攻击方面表现有效，而混合攻击比单一攻击更难识别。并且，它降低了对大量特征工程的需求，特别适合实时检测系统。据我们所知，这是 GCN 在 CAN 数据入侵检测中的开创性应用。我们提出的方法在强化现代车辆的安全性与安全性、防范攻击并防止其破坏车辆功能方面具有重要潜力。
引用
@article{arxiv.2309.10173,
title = {GCNIDS: Graph Convolutional Network-Based Intrusion Detection System for CAN Bus},
author = {Maloy Kumar Devnath},
journal= {arXiv preprint arXiv:2309.10173},
year = {2023}
}