KD-GAT：结合知识蒸馏与图注意力变换器的控制器区域网络入侵检测系统
机器学习
2026-04-01 v1 人工智能
摘要
控制器区域网络（CAN）协议广泛用于车辆内部通信，但缺乏内在的安全机制，使其易受网络攻击。本文引入 KD-GAT，一种结合图注意力网络（GAT）与知识蒸馏（KD）的入侵检测框架，用于提高检测准确率的同时降低计算复杂度。在我们的方法中，将 CAN 流量表示为图结构，通过滑动窗口捕获时间和关系模式。多层带跳转知识聚合的 GAT 作为教师模型，而一个紧凑的学生 GAT——仅为教师模型大小的 6.32%——通过监督预训练和知识蒸馈（包括软标签和硬标签监督）进行训练。在 Car-Hacking、Car-Survival 和 can-train-and-test 三个基准数据集上进行实验，结果显示教师和学生模型均取得优异成绩，学生模型在 Car-Hacking 和 Car-Survival 数据集上分别达到 99.97% 和 99.31% 的准确率。然而，由于 can-train-and-test 数据集上的类别不平衡，导致两个模型在该数据集上的表现下降。解决这一不平衡问题仍是未来工作的重要方向。
引用
@article{arxiv.2507.19686,
title = {KD-GAT: Combining Knowledge Distillation and Graph Attention Transformer for a Controller Area Network Intrusion Detection System},
author = {Robert Frenken and Sidra Ghayour Bhatti and Hanqin Zhang and Qadeer Ahmed},
journal= {arXiv preprint arXiv:2507.19686},
year = {2026}
}