MTH-IDS：一种面向车联网的多层混合入侵检测系统
密码学与安全
2021-05-28 v1 人工智能
机器学习
网络与互联网体系结构
摘要
现代车辆，包括网联车辆与自动驾驶车辆，如今涉及许多通过车内网络连接的电子控制单元，以实现各种功能并执行操作。现代车辆还通过车联网（V2X）技术与外部网络连接，实现与其他车辆、基础设施和智能设备的通信。然而，现代车辆功能与连接性的提升，也因庞大的攻击面而增加了其针对车内与外部网络的网络攻击脆弱性。为保护车载网络，许多研究者致力于开发利用机器学习方法检测恶意网络攻击的入侵检测系统（IDS）。本文讨论了车内网络与外部网络的脆弱性，并提出一种融合基于签名的 IDS 与基于异常的 IDS 的多层混合 IDS，以检测车载网络上的已知与未知攻击。实验结果表明，所提系统在代表车内网络数据的 CAN-intrusion-dataset 上以 99.99% 的准确率检测各类已知攻击，在表征外部车载网络数据的 CICIDS2017 数据集上以 99.88% 的准确率检测各类已知攻击。对于零日攻击检测，所提系统在上述两个数据集上分别取得 0.963 和 0.800 的高 F1 分数。在车辆级机器上每个数据包的平均处理时间小于 0.6 ms，显示了在实时车辆系统中部署所提系统的可行性。这凸显了所提 IDS 的有效性与高效性。
引用
@article{arxiv.2105.13289,
title = {MTH-IDS: A Multi-Tiered Hybrid Intrusion Detection System for Internet of Vehicles},
author = {Li Yang and Abdallah Moubayed and Abdallah Shami},
journal= {arXiv preprint arXiv:2105.13289},
year = {2021}
}
备注
Accepted and to appear in IEEE Internet of Things Journal; Code is available at Github link: https://github.com/Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning