对车内和车间环境的安全威胁数据集的调查
Achref Haddaji1,2, Samiha Ayed1, Lamia Chaari Fourati3
1LIST3N, University of Technology of Troyes, 10300 Troyes, France.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
这项调查探讨了车辆网络安全,突出了AI.
科学领域:
- 网络安全和运输系统
- 人工智能在网络安全中的作用
背景情况:
- 车辆网络对于现代交通至关重要,但面临着来自网络攻击的重大安全风险.
- 现有的用于车辆网络安全的人工智能 (AI) 解决方案需要不同的数据集来进行有效的开发和测试.
研究的目的:
- 综合调查车辆网络环境,其安全挑战和可用的数据集.
- 为分类车辆网络安全数据集引入一种新的分类学.
- 为研究人员提供有关选择合适数据集的指导.
主要方法:
- 对车辆网络架构和安全漏洞的审查.
- 开发用于车辆网络安全数据集的新分类分类法.
- 分析现有数据集中的关键特征.
- 为数据集选择制定指导方针.
主要成果:
- 确定车辆网络中关键的安全挑战.
- 引入结构化分类法来对车辆网络安全数据集进行分类.
- 分析当前数据集的特征和局限性.
- 为研究人员选择数据集提供战略框架.
结论:
- 有效的AI驱动的车辆网络安全依赖于全面和多样化的数据集.
- 对数据集的分类和选择采取结构化的方法对于推动该领域的研究至关重要.
- 这项调查为研究人员开发用于车辆网络的基于AI的安全解决方案提供了宝贵的资源.
