CANGuard:一种改进的方法来检测CAN启用车辆中的异常情况
Damilola Oladimeji1, Razaq Jinad1, Amar Rasheed1
1Department of Computer Science, Sam Houston State University, Huntsville, TX 77340, USA.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
新型入侵检测系统 (IDS) CANGuard有效地识别控制器区域网络 (CAN) 总线上的拒绝服务攻击,并确定源节点. 梯度增强模型显示了实时车辆网络安全的高准确性.
科学领域:
- 汽车系统中的网络安全.
- 网络入侵检测检测网络入侵检测
- 在车辆网络中的机器学习应用.
背景情况:
- 控制器区域网络 (CAN) 总线对于现代车辆通信至关重要,但缺乏固有的安全性.
- 在CAN总线架构中的漏洞使其易受网络攻击,危及车辆的安全性和功能.
- 现有的安全措施不足以应对互联汽车中不断变化的威胁.
研究的目的:
- 为CAN网络提出CANGuard,一个实时入侵检测系统 (IDS).
- 开发一种能够检测攻击并识别CAN总线上源节点的系统.
- 评估机器学习模型对CAN总线安全性的有效性.
主要方法:
- 模拟了一个支持CAN的系统,有四个节点代表不同的车辆部件.
- 通过利用CAN总线仲裁生成拒绝服务 (DoS) 攻击的数据集.
- 训练和评估多个机器学习模型,包括梯度增强和多层感知器 (MLP),用于攻击检测和节点识别.
主要成果:
- 渐变增强模型在检测DoS攻击和识别攻击节点方面都取得了很高的准确性.
- 多层感知器 (MLP) 模型显示出强大的攻击检测能力,但在准确的节点识别方面遇到了困难 (准确率<50%).
- 该研究证明了CAN网络中实时攻击检测和源识别的可行性.
结论:
- CANGuard显示出在增强支持CAN的车辆安全方面显著的前景.
- 基于树的机器学习模型,特别是渐变增强,非常适合用于汽车网络的实时入侵检测.
- 对强大的节点识别进行进一步的研究对于全面的CAN总线安全至关重要.
