論文の概要: A Lightweight FPGA-based IDS-ECU Architecture for Automotive CAN
- arxiv url: http://arxiv.org/abs/2401.12234v1
- Date: Fri, 19 Jan 2024 13:51:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 18:04:34.341663
- Title: A Lightweight FPGA-based IDS-ECU Architecture for Automotive CAN
- Title（参考訳）: 軽量FPGAを用いた自動車CANのためのIDS-ECUアーキテクチャ
- Authors: Shashwat Khandelwal, Shreejith Shanker
- Abstract要約: 本稿では、自動車制御エリアネットワーク(CAN)のための侵入検知システム(IDS)を組み込んだ統合ECUアーキテクチャを提案する。
本稿では、Denial-of-Service, Fuzzing, Spoofingなどの攻撃ベクトルを検出するための分離IDSとして、2つの量子化多層パーセプトロン(QMLP)を提案する。
提案したモデルでは,すべての攻撃に対して最先端の分類精度が得られ,Nvidiaライブラリを用いて定量化した同一モデルのGPUベース実装と比較して15倍の消費電力削減が見られた。
- 参考スコア（独自算出の注目度）: 13.581341206178525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent years have seen an exponential rise in complex software-driven
functionality in vehicles, leading to a rising number of electronic control
units (ECUs), network capabilities, and interfaces. These expanded capabilities
also bring-in new planes of vulnerabilities making intrusion detection and
management a critical capability; however, this can often result in more ECUs
and network elements due to the high computational overheads. In this paper, we
present a consolidated ECU architecture incorporating an Intrusion Detection
System (IDS) for Automotive Controller Area Network (CAN) along with
traditional ECU functionality on an off-the-shelf hybrid FPGA device, with
near-zero overhead for the ECU functionality. We propose two quantised
multi-layer perceptrons (QMLP's) as isolated IDSs for detecting a range of
attack vectors including Denial-of-Service, Fuzzing and Spoofing, which are
accelerated using off-the-shelf deep-learning processing unit (DPU) IP block
from Xilinx, operating fully transparently to the software on the ECU. The
proposed models achieve the state-of-the-art classification accuracy for all
the attacks, while we observed a 15x reduction in power consumption when
compared against the GPU-based implementation of the same models quantised
using Nvidia libraries. We also achieved a 2.3x speed up in per-message
processing latency (at 0.24 ms from the arrival of a CAN message) to meet the
strict end-to-end latency on critical CAN nodes and a 2.6x reduction in power
consumption for inference when compared to the state-of-the-art IDS models on
embedded IDS and loosely coupled IDS accelerators (GPUs) discussed in the
literature.
- Abstract（参考訳）: 近年、自動車の複雑なソフトウェア駆動機能の指数関数的な増加が見られ、電子制御ユニット(ecu)、ネットワーク機能、インターフェースが増加している。
これらの機能拡張は、侵入検出と管理を重要な機能にする新たな脆弱性プレーンも導入するが、計算上のオーバーヘッドが大きいため、ecusやネットワーク要素の増加につながることが多い。
本稿では,自動車制御領域ネットワーク(CAN)用の侵入検知システム(IDS)と,市販のハイブリッドFPGAデバイス上での従来のECU機能を組み合わせた統合ECUアーキテクチャを提案する。
本稿では,Xilinx のオフザシェル深層処理ユニット (DPU) IP ブロックを用いて高速化され,ECU 上のソフトウェアに対して完全に透過的に動作する,Denial-of-Service, Fuzzing, Spoofing などの攻撃ベクトルを分離した IDS として2つの量子化多層パーセプトロン (QMLP) を提案する。
提案したモデルでは,すべての攻撃に対して最先端の分類精度が得られ,Nvidiaライブラリを用いて定量化した同一モデルのGPUベース実装と比較して15倍の消費電力削減が見られた。
また、メッセージ毎の処理遅延(canメッセージの到着から0.24ms)の2.3倍のスピードアップを実現し、クリティカルなcanノードにおけるエンドツーエンドの厳密なレイテンシと、組み込みidの最先端idsモデルや疎結合idsアクセラレータ(gpu)と比較して推論のための電力消費量の2.6倍削減を実現しました。
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) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Quantised Neural Network Accelerators for Low-Power IDS in Automotive
Networks [12.084121187559864]
自動車制御領域ネットワーク(CAN)における侵入検知システム(IDS)として,低消費電力の多層受容器(MLP)を探索する。
提案手法は,遅延(メッセージ毎処理レイテンシ0.12ms)と推論エネルギー消費(推論毎0.25mJ)の大幅な改善を実現するとともに,文献の最先端手法と類似した分類性能を実現する。
論文 参考訳（メタデータ） (2024-01-19T21:19:48Z) - Exploring Highly Quantised Neural Networks for Intrusion Detection in
Automotive CAN [13.581341206178525]
機械学習に基づく侵入検出モデルは、標的となる攻撃ベクトルを複数検出することに成功した。
本稿では,多クラス分類モデルとしてのカスタム量子化文学(CQMLP)について述べる。
IDSとして統合された2ビットCQMLPモデルでは、悪意のある攻撃メッセージを99.9%の精度で検出できることが示されている。
論文 参考訳（メタデータ） (2024-01-19T21:11:02Z) - Real-Time Zero-Day Intrusion Detection System for Automotive Controller
Area Network on FPGAs [13.581341206178525]
本稿では,ゼロデイアタックを検出するための教師なし学習に基づく畳み込みオートエンコーダアーキテクチャを提案する。
資源制約のZynq Ultrascaleプラットフォームを対象としたAMD/XilinxのVitis-AIツールを用いてモデルを定量化する。
提案モデルでは, 未知のDoS, ファジング, スプーフィング攻撃に対して, 同一以上の分類精度 (>99.5%) を達成することができた。
論文 参考訳（メタデータ） (2024-01-19T14:36:01Z) - A Lightweight Multi-Attack CAN Intrusion Detection System on Hybrid
FPGAs [13.581341206178525]
コントローラエリアネットワーク(CAN)における複数攻撃ベクトルの検出において、侵入検知と緩和アプローチが有望な結果を示している。
本稿では,Zynq Ultrascale+ (XCZU3EG) FPGA上にXilinxのDeep Learning Processing Unit IPを用いて,軽量なマルチアタック量子機械学習モデルを提案する。
このモデルは、99%以上の精度でサービス拒否とファジッシング攻撃を検知し、その偽陽性率は0.07%であり、これは文学における最先端技術に匹敵するものである。
論文 参考訳（メタデータ） (2024-01-19T13:39:05Z) - Deep Learning-based Embedded Intrusion Detection System for Automotive
CAN [12.084121187559864]
このような脅威を検知し、対処するために、さまざまな侵入検出アプローチが提案されており、機械学習モデルは極めて効果的である。
我々は,専用ハードウェアアクセラレータを通じて,IDS機能を透過的に統合可能なFPGAベースのハイブリッドECUアプローチを提案する。
提案手法では,複数の攻撃データセットの平均精度が99%以上であり,検出レートは0.64%であった。
論文 参考訳（メタデータ） (2024-01-19T13:13:38Z) - SATAY: A Streaming Architecture Toolflow for Accelerating YOLO Models on
FPGA Devices [48.47320494918925]
この作業は、超低レイテンシアプリケーションのために、最先端のオブジェクト検出モデルをFPGAデバイスにデプロイする際の課題に対処する。
YOLOアクセラレータにはストリーミングアーキテクチャ設計を採用しており、チップ上で完全なモデルを深くパイプライン化して実装しています。
データフロー方式でYOLOモデルの動作をサポートする新しいハードウェアコンポーネントを導入し、オンチップメモリリソースの制限に対処するために、オフチップメモリバッファリングを導入する。
論文 参考訳（メタデータ） (2023-09-04T13:15:01Z) - Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural
Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。
これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。
そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文 参考訳（メタデータ） (2022-09-27T15:04:01Z) - Binary DAD-Net: Binarized Driveable Area Detection Network for
Autonomous Driving [94.40107679615618]
本稿では,二項化駆動型領域検出ネットワーク(バイナリDAD-Net)を提案する。
エンコーダ、ボトルネック、デコーダ部分の2重みとアクティベーションのみを使用する。
パブリックデータセット上で、最先端のセマンティックセグメンテーションネットワークより優れています。
論文 参考訳（メタデータ） (2020-06-15T07:09:01Z) - ASFD: Automatic and Scalable Face Detector [129.82350993748258]
ASFD(Automatic and Scalable Face Detector)を提案する。
ASFDはニューラルアーキテクチャ検索技術の組み合わせと新たな損失設計に基づいている。
ASFD-D0は120FPS以上で動作し、MobilenetはVGA解像度の画像を撮影しています。
論文 参考訳（メタデータ） (2020-03-25T06:00:47Z)
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。