面向汽车以太网中AVTP的无监督网络入侵检测系统
机器学习
2022-04-26 v2 密码学与安全
网络与互联网体系结构
摘要
网络入侵检测系统（NIDSs）被广泛视为保护车载网络免受多种网络攻击的高效工具。然而，由于网络攻击不断演变，基于签名的入侵检测系统已不再被采用。一种替代方案是部署基于深度学习的入侵检测系统，其在检测网络流量中未知攻击模式方面发挥重要作用。因此，在本文中，我们比较了不同的无监督深度和基于机器的学习异常检测算法在Audio Video Transport Protocol（AVTP，一种在近期基于汽车以太网的车载网络中实现的应用层协议）上实时检测异常的性能。在最近发布的“Automotive Ethernet Intrusion Dataset”上进行的数值结果表明，在不同实验设置下，深度学习模型显著优于机器学习中其他最先进的传统异常检测模型。
引用
@article{arxiv.2202.00045,
title = {Unsupervised Network Intrusion Detection System for AVTP in Automotive Ethernet Networks},
author = {Natasha Alkhatib and Maria Mushtaq and Hadi Ghauch and Jean-Luc Danger},
journal= {arXiv preprint arXiv:2202.00045},
year = {2022}
}