-
题名基于证据深度学习的CAN网络入侵检测框架
- 1
-
-
作者
石琴
李志伟
程腾
张强
王文冲
-
机构
安徽省自动驾驶汽车安全技术安徽省重点实验室
安徽省智慧交通车路协同工程研究中心
合肥工业大学汽车与交通工程学院
奇瑞汽车股份有限公司
-
出处
《汽车工程》
EI
CSCD
北大核心
2024年第11期2039-2045,共7页
-
基金
安徽省自然科学基金(2208085MF171)
中央高校基本科研业务费专项基金(JZ2023YQTD0073,PA2023GDSK0112)
+1 种基金
安徽省重点研究与开发计划项目(202304A05020087)
北京市自然科学基金(7232222)资助。
-
文摘
随着移动通信技术在智能自动驾驶系统中的持续发展,保障车载通信数据的安全已成为交通系统安全的一个重要环节,面对黑客可能通过CAN总线网络远程操控车辆的威胁,现有网络框架虽能检测已知攻击,但在识别未知攻击时表现不佳。为此,本研究提出一种融合证据深度学习的检测框架,该框架由数据预处理模块、数据分析模块和攻击检测模块组成。预处理模块通过独立热编码技术,以提升数据质量和适应性;数据分析模块通过生成对抗网络(GAN)技术增强该框架的泛化能力并模拟攻击场景;攻击检测模块应用了证据深度学习,提高了框架在应对未知攻击时的不确定性处理能力。该框架在开源汽车黑客数据集和基于奇瑞EXEED RX车型自主构建的数据集上进行了测试。实验结果表明,该框架在检测未知攻击时,相比于传统的基于softmax的分类网络综合性能提高了24.5%。
-
关键词
入侵检测
证据深度学习
不确定度
损失函数
-
Keywords
intrusion detection
evidence deep learning
uncertainty
loss function
-
分类号
TN915.08
[电子电信—通信与信息系统]
U463.6
[机械工程—车辆工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
