GUARD-CAN：基于图理解与循环架构的CAN异常检测
密码学与安全
2025-07-30 v1 人工智能
摘要
现代车载网络由于控制器局域网（CAN）缺乏加密和认证而面临各种网络威胁。为了解决这一安全问题，本文提出了GUARD-CAN，一个结合了基于图的表示学习与时间序列建模的异常检测框架。GUARD-CAN将CAN消息分割成固定长度的窗口，并将每个窗口转换为保留消息顺序的图。为了在同一窗口中检测具有时间感知和结构感知上下文的异常，GUARD-CAN利用过完备自编码器（AE）和图卷积网络（GCN）生成图嵌入向量。该模型将这些向量分组为序列，并将其输入门控循环单元（GRU）以检测跨图的时间异常模式。GUARD-CAN在序列级别和窗口级别都执行异常检测，这允许进行多角度的性能评估。该模型还通过基于香农熵的分析验证了窗口大小选择的重要性。结果表明，GUARD-CAN能够在不依赖复杂特征工程的情况下有效检测四种类型的CAN攻击（洪泛攻击、模糊测试攻击、重放攻击和欺骗攻击）。
引用
@article{arxiv.2507.21640,
title = {GUARD-CAN: Graph-Understanding and Recurrent Architecture for CAN Anomaly Detection},
author = {Hyeong Seon Kim and Huy Kang Kim},
journal= {arXiv preprint arXiv:2507.21640},
year = {2025}
}
备注
Comments:12 pages, 3 figures, 3 tables; accepted to the 26th World Conference on Information Security Applications (WISA 2025)