論文の概要: AVTPnet: Convolutional Autoencoder for AVTP anomaly detection in
Automotive Ethernet Networks
- arxiv url: http://arxiv.org/abs/2202.00045v1
- Date: Mon, 31 Jan 2022 19:13:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-02 16:03:18.462605
- Title: AVTPnet: Convolutional Autoencoder for AVTP anomaly detection in
Automotive Ethernet Networks
- Title（参考訳）: AVTPnet:自動車イーサネットにおけるAVTP異常検出のための畳み込みオートエンコーダ
- Authors: Natasha Alkhatib, Maria Mushtaq, Hadi Ghauch, Jean-Luc Danger
- Abstract要約: 本稿では,Audio Video Transport Protocol (AVTP) 上での異常のオフライン検出のための畳み込みオートエンコーダ (CAE) を提案する。
提案手法は、最近発表された"Automotive Ethernet Intrusion dataset"に基づいて評価される。
- 参考スコア（独自算出の注目度）: 2.415997479508991
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Network Intrusion Detection Systems are well considered as efficient tools
for securing in-vehicle networks against diverse cyberattacks. However, since
cyberattack are always evolving, signature-based intrusion detection systems
are no longer adopted. An alternative solution can be the deployment of deep
learning based intrusion detection system (IDS) which play an important role in
detecting unknown attack patterns in network traffic. To our knowledge, no
previous research work has been done to detect anomalies on automotive ethernet
based in-vehicle networks using anomaly based approaches. Hence, in this paper,
we propose a convolutional autoencoder (CAE) for offline detection of anomalies
on the Audio Video Transport Protocol (AVTP), an application layer protocol
implemented in the recent in-vehicle network Automotive Ethernet. The CAE
consists of an encoder and a decoder with CNN structures that are asymmetrical.
Anomalies in AVTP packet stream, which may lead to critical interruption of
media streams, are therefore detected by measuring the reconstruction error of
each sliding window of AVTP packets. Our proposed approach is evaluated on the
recently published "Automotive Ethernet Intrusion Dataset", and is also
compared with other state-of-the art traditional anomaly detection and
signature based models in machine learning. The numerical results show that our
proposed model outperfoms the other methods and excel at predicting unknown
in-vehicle intrusions, with 0.94 accuracy. Moreover, our model has a low level
of false alarm and miss detection rates for different AVTP attack types.
- Abstract（参考訳）: ネットワーク侵入検知システムは、車載ネットワークを多様なサイバー攻撃から守るための効率的なツールとしてよく考えられている。
しかし、サイバー攻撃は常に進化しているため、シグネチャベースの侵入検知システムはもはや採用されていない。
別の解決策は、ネットワークトラフィックにおける未知の攻撃パターンを検出する上で重要な役割を果たすディープラーニングベースの侵入検知システム(IDS)の展開である。
我々の知る限り、自動車のイーサネットに基づく車内ネットワーク上の異常を異常に基づくアプローチで検出する以前の研究は行われていない。
そこで本研究では,近年の車載ネットワークであるAutomotive Ethernetで実装されているアプリケーション層プロトコルであるAudio Video Transport Protocol (AVTP)上で,異常のオフライン検出のための畳み込みオートエンコーダ(CAE)を提案する。
CAEは、非対称なCNN構造を持つエンコーダとデコーダで構成される。
そのため,AVTPパケットのスライディングウィンドウの復元誤差を計測することにより,メディアストリームの重大な中断につながる可能性のあるAVTPパケットストリームの異常を検出する。
提案手法は、最近発表された"Automotive Ethernet Intrusion Dataset"に基づいて評価され、機械学習における従来の異常検出や署名に基づくモデルと比較される。
数値計算の結果,提案手法は他の手法よりも優れ,未知の車内侵入を0.94精度で予測できることがわかった。
さらに,本モデルでは,異なるAVTP攻撃タイプに対する誤報や誤検出率の低いモデルである。
関連論文リスト
- A Framework for the Systematic Assessment of Anomaly Detectors in Time-Sensitive Automotive Networks [0.4077787659104315]
本稿では,異常検出アルゴリズムの再現性,比較性,迅速な評価を可能にするアセスメントフレームワークを提案する。
実例検出機構を評価し,TSNトラフィックフローと異常型の組み合わせによって検出性能がどう影響するかを明らかにする。
論文 参考訳（メタデータ） (2024-05-02T14:29:42Z) - Leveraging a Probabilistic PCA Model to Understand the Multivariate
Statistical Network Monitoring Framework for Network Security Anomaly
Detection [64.1680666036655]
確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。
2つの異なるデータセットを用いて数学的モデルを評価した。
論文 参考訳（メタデータ） (2023-02-02T13:41:18Z) - Using EBGAN for Anomaly Intrusion Detection [13.155954231596434]
ネットワークレコードを通常のトラフィックまたは悪意のあるトラフィックに分類するEBGANベースの侵入検知手法であるIDS-EBGANを提案する。
IDS-EBGANのジェネレータは、トレーニングセット内の元の悪意のあるネットワークトラフィックを、敵対的な悪意のある例に変換する責任がある。
テスト中、IDS-EBGANは識別器の再構成誤差を使用してトラフィックレコードを分類する。
論文 参考訳（メタデータ） (2022-06-21T13:49:34Z) - ARCADE: Adversarially Regularized Convolutional Autoencoder for Network
Anomaly Detection [0.0]
ARCADEと呼ばれる、教師なしの異常に基づくディープラーニング検出システム。
リソース制約のある環境でのオンライン検出に適した畳み込みオートエンコーダ(AE)を提案する。
論文 参考訳（メタデータ） (2022-05-03T11:47:36Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - SOME/IP Intrusion Detection using Deep Learning-based Sequential Models
in Automotive Ethernet Networks [2.3204135551124407]
侵入検知システムはサイバー攻撃を検出するために広く利用されている。
本稿では,SOME/IPプロトコル上でのオフライン侵入検出のための深層学習に基づくシーケンシャルモデルを提案する。
論文 参考訳（メタデータ） (2021-08-04T09:58:06Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳（メタデータ） (2021-05-30T22:07:13Z) - 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) - Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。
本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。
本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
論文 参考訳（メタデータ） (2020-07-28T19:00:40Z) - Contextual-Bandit Anomaly Detection for IoT Data in Distributed
Hierarchical Edge Computing [65.78881372074983]
IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。
本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。
提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
論文 参考訳（メタデータ） (2020-04-15T06:13:33Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳（メタデータ） (2020-01-10T05:29:17Z)
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。