論文の概要: A Transfer Learning and Optimized CNN Based Intrusion Detection System
for Internet of Vehicles
- arxiv url: http://arxiv.org/abs/2201.11812v1
- Date: Thu, 27 Jan 2022 21:24:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-31 14:38:20.365009
- Title: A Transfer Learning and Optimized CNN Based Intrusion Detection System
for Internet of Vehicles
- Title(参考訳): 移動学習とCNNによる車両インターネットの侵入検知システム
- Authors: Li Yang and Abdallah Shami
- Abstract要約: 本稿では,インターネット・オブ・ビークルズ(IoV)システムにおいて,トランスファー学習とアンサンブル学習に基づくIDSを提案する。
提案されたIDSは、2つの公開ベンチマークIoVセキュリティデータセットで99.25%以上の検出率とF1スコアを示した。
本研究は車内ネットワークおよび車外ネットワークにおけるサイバー攻撃検出におけるIDSの有効性を示す。
- 参考スコア(独自算出の注目度): 10.350337750192997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern vehicles, including autonomous vehicles and connected vehicles, are
increasingly connected to the external world, which enables various
functionalities and services. However, the improving connectivity also
increases the attack surfaces of the Internet of Vehicles (IoV), causing its
vulnerabilities to cyber-threats. Due to the lack of authentication and
encryption procedures in vehicular networks, Intrusion Detection Systems (IDSs)
are essential approaches to protect modern vehicle systems from network
attacks. In this paper, a transfer learning and ensemble learning-based IDS is
proposed for IoV systems using convolutional neural networks (CNNs) and
hyper-parameter optimization techniques. In the experiments, the proposed IDS
has demonstrated over 99.25% detection rates and F1-scores on two well-known
public benchmark IoV security datasets: the Car-Hacking dataset and the
CICIDS2017 dataset. This shows the effectiveness of the proposed IDS for
cyber-attack detection in both intra-vehicle and external vehicular networks.
- Abstract(参考訳): 自動運転車やコネクテッドカーを含む現代の車両は、様々な機能やサービスを可能にする外部世界とますます結びついている。
しかし、接続性の向上は、車両のインターネット(iov)の攻撃面を増加させ、その脆弱性がサイバー脅威に繋がる。
車両網における認証と暗号化手順の欠如により、侵入検知システム(idss)は現代の車両システムをネットワーク攻撃から守るために必須のアプローチである。
本稿では,畳み込みニューラルネットワーク(CNN)とハイパーパラメータ最適化技術を用いたIoVシステムに対して,移動学習とアンサンブル学習に基づくIDSを提案する。
実験では、提案されたIDSが、よく知られた2つの公開ベンチマークIoVセキュリティデータセットであるCar-HackingデータセットとCICIDS2017データセットに対して、99.25%以上の検出率とF1スコアを示した。
本研究は車内および車外ネットワークにおけるサイバー攻撃検出におけるIDSの有効性を示す。
関連論文リスト
- SISSA: Real-time Monitoring of Hardware Functional Safety and
Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。
具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。
広範囲な実験結果から,SISSAの有効性と有効性が確認された。
論文 参考訳(メタデータ) (2024-02-21T03:31:40Z) - Multiclass Classification Procedure for Detecting Attacks on MQTT-IoT
Protocol [0.0]
侵入検知システム(IDS)は、ネットワークレベルでの様々な異常や攻撃からIoTシステムを保護するために使用される。
我々の研究は、IoTシステムの攻撃下でフレームを含むデータセットを使用してIDSにフィードできる分類モデルの作成に重点を置いている。
論文 参考訳(メタデータ) (2024-02-05T18:27:46Z) - Sparse Federated Training of Object Detection in the Internet of
Vehicles [13.864554148921826]
物体検出は、IoV(Internet of Vehicles)の鍵となる技術の一つである
現在のオブジェクト検出方法は、主に集中的な深層トレーニングに基づいており、エッジデバイスが取得したセンシティブなデータをサーバにアップロードする必要がある。
そこで本研究では,よく訓練されたローカルモデルを中央サーバで共有する,フェデレート学習ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-07T08:58:41Z) - Reinforcement Learning based Cyberattack Model for Adaptive Traffic
Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。
この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。
そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。
RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文 参考訳(メタデータ) (2022-10-31T20:12:17Z) - LCCDE: A Decision-Based Ensemble Framework for Intrusion Detection in
The Internet of Vehicles [7.795462813462946]
悪意のあるサイバー攻撃を識別できる侵入検知システム(IDS)が開発されている。
我々は、LCCDE(Lead Class and Confidence Decision Ensemble)という新しいアンサンブルIDSフレームワークを提案する。
LCCDEは、3つの高度なアルゴリズムの中で最高のパフォーマンスのMLモデルを決定することで構成される。
論文 参考訳(メタデータ) (2022-08-05T22:30:34Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳(メタデータ) (2022-06-03T23:55:45Z) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳(メタデータ) (2022-05-28T03:11:48Z) - CAN-LOC: Spoofing Detection and Physical Intrusion Localization on an
In-Vehicle CAN Bus Based on Deep Features of Voltage Signals [48.813942331065206]
車両内ネットワークのためのセキュリティ強化システムを提案する。
提案システムは,CANバスで測定した電圧信号から抽出した深い特徴を処理する2つの機構を含む。
論文 参考訳(メタデータ) (2021-06-15T06:12:33Z) - MTH-IDS: A Multi-Tiered Hybrid Intrusion Detection System for Internet
of Vehicles [12.280524044112708]
車両ネットワークに対する既知の攻撃と未知の攻撃の両方を検出するために,ハイブリッド侵入検知システム (IDS) を提案する。
提案システムは,CAN-Intrusion-datasetにおいて,99.99%の精度で様々な種類の既知の攻撃を検出できる。
車両レベルのマシン上の各データパケットの平均処理時間は0.6ms未満である。
論文 参考訳(メタデータ) (2021-05-26T17:36:35Z) - Convolutional Neural Network-based Intrusion Detection System for AVTP
Streams in Automotive Ethernet-based Networks [2.141079906482723]
コネクテッド・アンド・オートマチック・ビークル(CAV)は、伝統的な自動車の革新的な形態である。
以前の研究では、自動車イーサネットベースのネットワークにおける侵入検知に焦点が当てられていない。
本稿では,AVTPストリームインジェクション攻撃の侵入検出手法を提案する。
論文 参考訳(メタデータ) (2021-02-06T09:37:09Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳(メタデータ) (2020-12-15T03:03:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。