基于机器学习的车载网络入侵检测系统之韧性研究
密码学与安全
2023-06-27 v1
摘要
现代汽车功能由大量称为电子控制单元（ECU）的小型计算机控制。这些功能涵盖从安全关键的自动驾驶到舒适与信息娱乐。ECU 通过多种内部网络使用不同技术相互通信。其中一些（如控制器局域网（CAN））非常简单，提供极少或不提供安全服务。机器学习技术可用于检测此类网络中的异常活动。然而，这些机器学习技术必须不易受对抗攻击影响。在本文中，我们研究了四种不同基于机器学习的车载网络入侵检测系统中的对抗样本漏洞。我们表明对抗样本对四种研究方案中的三种有负面影响。此外，我们分析了对抗样本在不同系统间的可迁移性。我们还研究了在训练中使用对抗样本后的检测性能与攻击成功率。在分析这些结果后，我们讨论了当前方案是否足够成熟以用于现代车辆。
引用
@article{arxiv.2306.14782,
title = {On the Resilience of Machine Learning-Based IDS for Automotive Networks},
author = {Ivo Zenden and Han Wang and Alfonso Iacovazzi and Arash Vahidi and Rolf Blom and Shahid Raza},
journal= {arXiv preprint arXiv:2306.14782},
year = {2023}
}