論文の概要: MKF-ADS: A Multi-Knowledge Fused Anomaly Detection System for Automotive
- arxiv url: http://arxiv.org/abs/2403.04293v1
- Date: Thu, 7 Mar 2024 07:40:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 14:42:04.121381
- Title: MKF-ADS: A Multi-Knowledge Fused Anomaly Detection System for Automotive
- Title（参考訳）: MKF-ADS:自動車用多知識融合異常検知システム
- Authors: Pengzhou Cheng, Zongru Wu, and Gongshen Liu
- Abstract要約: 侵入検知システム(IDS)は、制御エリアネットワーク(CAN)バスの脆弱性を修復する上で重要な安全要素である。
本稿では,MKF-IDSと呼ばれる新しいマルチ知識融合型異常検出モデルを提案する。
我々は,CANIDと時間ステップの6つのシミュレーション攻撃シナリオと,競合予測と検出性能を示す2つの実攻撃シナリオについて実験を行った。
- 参考スコア（独自算出の注目度）: 9.305680247704542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the requirements of Intelligent Transport Systems (ITSs) for extensive
connectivity of Electronic Control Units (ECUs) to the outside world, safety
and security have become stringent problems. Intrusion detection systems (IDSs)
are a crucial safety component in remediating Controller Area Network (CAN) bus
vulnerabilities. However, supervised-based IDSs fail to identify complexity
attacks and anomaly-based IDSs have higher false alarms owing to capability
bottleneck. In this paper, we propose a novel multi-knowledge fused anomaly
detection model, called MKF-IDS. Specifically, the method designs an
integration framework, including spatial-temporal correlation with an attention
mechanism (STcAM) module and patch sparse-transformer module (PatchST). The
STcAM with fine-pruning uses one-dimensional convolution (Conv1D) to extract
spatial features and subsequently utilizes the Bidirectional Long Short Term
Memory (Bi-LSTM) to extract the temporal features, where the attention
mechanism will focus on the important time steps. Meanwhile, the PatchST
captures the combined long-time historical features from independent univariate
time series. Finally, the proposed method is based on knowledge distillation to
STcAM as a student model for learning intrinsic knowledge and cross the ability
to mimic PatchST. In the detection phase, the MKF-ADS only deploys STcAM to
maintain efficiency in a resource-limited IVN environment. Moreover, the
redundant noisy signal is reduced with bit flip rate and boundary decision
estimation. We conduct extensive experiments on six simulation attack scenarios
across various CAN IDs and time steps, and two real attack scenarios, which
present a competitive prediction and detection performance. Compared with the
baseline in the same paradigm, the error rate and FAR are 2.62% and 2.41% and
achieve a promising F1-score of 97.3%.
- Abstract（参考訳）: 電子制御ユニット(ECU)を外部に広範囲に接続するための知的輸送システム(ITS)の要件により、安全とセキュリティは厳しい問題となっている。
侵入検知システム(IDS)は、制御エリアネットワーク(CAN)バスの脆弱性を修復する上で重要な安全要素である。
しかし、教師付きIDSは複雑性攻撃の特定に失敗し、異常ベースのIDSは機能ボトルネックのため、偽のアラームが高い。
本稿では,MKF-IDSと呼ばれる新しいマルチ知識融合型異常検出モデルを提案する。
具体的には、アテンション機構(STcAM)モジュールとパッチスパース変換モジュール(PatchST)との空間時間相関を含む統合フレームワークを設計する。
微細プルーニングを伴うSTcAMは1次元畳み込み(Conv1D)を用いて空間的特徴を抽出し、次に双方向長短期記憶(Bi-LSTM)を用いて時間的特徴を抽出し、注意機構は重要な時間ステップに集中する。
一方、PatchSTは独立した単変量時系列から長期にわたる歴史的特徴をキャプチャする。
最後に,本提案手法は,本質的な知識を学習し,PatchSTを模倣する能力を横断する学生モデルとして,STcAMへの知識蒸留に基づいている。
検出フェーズでは、MKF-ADSはSTcAMのみをデプロイし、リソース制限IVN環境で効率を維持する。
また、ビットフリップ率と境界決定推定により冗長なノイズ信号が低減される。
我々は,様々なcanidと時間ステップにまたがる6つのシミュレーション攻撃シナリオと,競合予測と検出性能を示す2つの実際の攻撃シナリオについて,広範な実験を行った。
同じパラダイムのベースラインと比較すると、エラー率は2.62%と2.41%であり、有望なf1-scoreは97.3%である。
関連論文リスト
- MDHP-Net: Detecting Injection Attacks on In-vehicle Network using Multi-Dimensional Hawkes Process and Temporal Model [44.356505647053716]
本稿では、インジェクションアタックとして知られる特定のタイプのサイバーアタックについて考察する。
これらのインジェクション攻撃は時間の経過とともに効果があり、徐々にネットワークトラフィックを操作し、車両の正常な機能を破壊している。
本稿では,MDHP-LSTMブロックに最適なMDHPパラメータを組み込んだインジェクション攻撃検出器MDHP-Netを提案する。
論文 参考訳（メタデータ） (2024-11-15T15:05:01Z) - Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。
マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。
ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
論文 参考訳（メタデータ） (2024-10-11T09:36:38Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - STMixer: A One-Stage Sparse Action Detector [43.62159663367588]
よりフレキシブルな1段アクション検出器のための2つのコア設計を提案する。
まず、クエリベースの適応的特徴サンプリングモジュールを分離し、ビデオ時間領域全体から特徴群をマイニングする柔軟性を備えた検出器を実現する。
第2に,より優れた特徴復号化のために,空間次元と時間次元の混合に動的に参画する分離された特徴混合モジュールを考案する。
論文 参考訳（メタデータ） (2024-04-15T14:52:02Z) - 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) - 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) - DefectHunter: A Novel LLM-Driven Boosted-Conformer-based Code Vulnerability Detection Mechanism [3.9377491512285157]
DefectHunterは、Conformerメカニズムを利用した脆弱性識別のための革新的なモデルである。
このメカニズムは、畳み込みネットワークと自己意識を融合させ、局所的、位置的特徴とグローバル的、コンテンツに基づく相互作用の両方をキャプチャする。
論文 参考訳（メタデータ） (2023-09-27T00:10:29Z) - Multi-scale Spatial-temporal Interaction Network for Video Anomaly
Detection [3.113134714967787]
ビデオ異常検出(VAD)は信号処理において不可欠な課題である。
VADのためのマルチスケール空間時間相互作用ネットワーク(MSTI-Net)を提案する。
論文 参考訳（メタデータ） (2023-06-17T02:40:29Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - STC-IDS: Spatial-Temporal Correlation Feature Analyzing based Intrusion
Detection System for Intelligent Connected Vehicles [7.301018758489822]
車両内通信トラフィック(STC-IDS)の時空間相関特性を用いた自動車侵入検出の新しいモデルを提案する。
具体的には、エンコーダ部では、空間的関係と時間的関係を同時に符号化する。
符号化された情報は検出器に渡され、強制的な空間的時間的注意特徴を生成し、異常分類を可能にする。
論文 参考訳（メタデータ） (2022-04-23T04:22:58Z) - Frequency-based Multi Task learning With Attention Mechanism for Fault
Detection In Power Systems [6.4332733596587115]
本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。
提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
論文 参考訳（メタデータ） (2020-09-15T02:01:47Z)
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。