論文の概要: CANGuard: A Spatio-Temporal CNN-GRU-Attention Hybrid Architecture for Intrusion Detection in In-Vehicle CAN Networks
- arxiv url: http://arxiv.org/abs/2603.25763v1
- Date: Thu, 26 Mar 2026 03:49:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.189651
- Title: CANGuard: A Spatio-Temporal CNN-GRU-Attention Hybrid Architecture for Intrusion Detection in In-Vehicle CAN Networks
- Title（参考訳）: CANGuard:車載CANネットワークにおける侵入検知のための時空間CNN-GRU-Attentionハイブリッドアーキテクチャ
- Authors: Rakib Hossain Sajib, Md. Rokon Mia, Prodip Kumar Sarker, Abdullah Al Noman, Md Arifur Rahman,
- Abstract要約: Internet of Vehicles (IoV) はスマートトランスポートシステムにおいて重要なコンポーネントとなり、車両とインフラ間のシームレスな相互作用を可能にしている。
本稿では,CNN,Gated novel Recurrent Units(RUG)と,そのような攻撃を効果的に識別するための注意機構を組み合わせたディープラーニングアーキテクチャであるCANGuardを提案する。
提案手法は,現代のIoV環境において,実用的でスケーラブルなセキュリティ強化の可能性を示すものである。
- 参考スコア（独自算出の注目度）: 0.7919969809015935
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Internet of Vehicles (IoV) has become an essential component of smart transportation systems, enabling seamless interaction among vehicles and infrastructure. In recent years, it has played a progressively significant role in enhancing mobility, safety, and transportation efficiency. However, this connectivity introduces severe security vulnerabilities, particularly Denial-of-Service (DoS) and spoofing attacks targeting the Controller Area Network (CAN) bus, which could severely inhibit communication between the critical components of a vehicle, leading to system malfunctions, loss of control, or even endangering passengers' safety. To address this problem, this paper presents CANGuard, a novel spatio-temporal deep learning architecture that combines Convolutional Neural Networks (CNN), Gated Recurrent Units (GRU), and an attention mechanism to effectively identify such attacks. The model is trained and evaluated on the CICIoV2024 dataset, achieving competitive performance across accuracy, precision, recall, and F1-score and outperforming existing state-of-the-art methods. A comprehensive ablation study confirms the individual and combined contributions of the CNN, GRU, and attention components. Additionally, a SHAP analysis is conducted to interpret the decision-making process of the model and determine which features have the most significant impact on intrusion detection. The proposed approach demonstrates strong potential for practical and scalable security enhancements in modern IoV environments, thereby ensuring safer and more secure CAN bus communications.
- Abstract（参考訳）: Internet of Vehicles (IoV)はスマートトランスポートシステムにおいて重要なコンポーネントとなり、車とインフラ間のシームレスな相互作用を可能にしている。
近年は移動性、安全性、輸送効率の向上に大きく貢献している。
しかし、この接続は深刻なセキュリティ上の脆弱性、特にDenial-of-Service (DoS) や Controller Area Network (CAN) バスを標的とした偽造攻撃を導入し、車両の重要コンポーネント間の通信を著しく阻害し、システム障害、制御の喪失、さらには乗客の安全を脅かす恐れがある。
本稿では,CNN(Convolutional Neural Networks)とGated Recurrent Units(GRU)を組み合わせた新しい時空間ディープラーニングアーキテクチャであるCANGuardと,そのような攻撃を効果的に識別するための注意機構を提案する。
このモデルはCICIoV2024データセットでトレーニングされ評価され、精度、精度、リコール、F1スコアで競合するパフォーマンスを達成し、既存の最先端メソッドよりも優れています。
包括的アブレーション研究は、CNN、GRU、および注意要素の個人的および複合的な貢献を確認している。
さらに、モデルの決定過程を解釈し、どの特徴が侵入検知に最も大きな影響を与えるかを決定するため、SHAP分析を行う。
提案手法は,現在のIoV環境において,より安全でセキュアなCANバス通信を実現するための,実用的でスケーラブルなセキュリティ強化の可能性を示す。
関連論文リスト
- Leveraging the Power of Ensemble Learning for Secure Low Altitude Economy [64.39232788946173]
低高度経済(LAE)は社会福祉の強化と経済成長の推進に大きく貢献している。
本稿では,セキュアなLAEのためのアンサンブル学習,研究の焦点,解決策,ケーススタディについて検討する。
論文 参考訳（メタデータ） (2026-02-07T23:15:58Z) - Evaluating False Alarm and Missing Attacks in CAN IDS [0.7734726150561088]
ROADデータセットを用いて,CAN IDSの体系的対角評価を行う。
4つの浅い学習モデルとディープニューラルネットワークベースの検出器を比較した。
以上の結果から,敵の操作が誤報と回避検出を同時に引き起こすことが示唆された。
論文 参考訳（メタデータ） (2026-02-02T20:38:01Z) - Evaluating Vulnerabilities of Connected Vehicles Under Cyber Attacks by Attack-Defense Tree [1.9483189922830135]
CAVにおけるサイバーセキュリティの脆弱性を評価するための攻撃木に基づく手法を提案する。
また、既存のサイバーセキュリティの脅威と対応する防御対策に基づく脆弱性の尺度も定義する。
論文 参考訳（メタデータ） (2025-12-09T03:28:31Z) - OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。
我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
論文 参考訳（メタデータ） (2025-10-28T13:22:39Z) - End-to-End Co-Simulation Testbed for Cybersecurity Research and Development in Intelligent Transportation Systems [5.804791448287085]
本章では,3次元環境とセンサモデリングのためのCARLA,顕微鏡交通シミュレーションと制御のためのSUMO,V2X通信シミュレーションのためのOMNeT++を結合した複合シミュレーションテストベッドについて論じる。
共同シミュレーションテストベッドは、エンドツーエンドの実験、脆弱性の識別、緩和ベンチマークを可能にする。
この章は、その能力を説明するために、量子後暗号で強化されたC-V2X能動的安全警報システムに関するケーススタディを含む。
論文 参考訳（メタデータ） (2025-09-20T01:21:54Z) - CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus [45.24207460381396]
本稿では,制御領域ネットワーク(CAN)環境向けに設計された新しい侵入検知システム(IDS)を提案する。
RISC-VベースのCAN受信機はgem5シミュレータを用いてシミュレートされ、AES-128暗号化によるCANフレームペイロードをFreeRTOSタスクとして処理する。
結果は、このアプローチがCANセキュリティを大幅に改善し、自動車サイバーセキュリティにおける新たな課題に対処する可能性があることを示唆している。
論文 参考訳（メタデータ） (2025-07-19T20:09:52Z) - CANEDERLI: On The Impact of Adversarial Training and Transferability on CAN Intrusion Detection Systems [17.351539765989433]
車両と外部ネットワークの統合が拡大し、コントロールエリアネットワーク(CAN)の内部バスをターゲットにした攻撃が急増した。
対策として,様々な侵入検知システム(IDS)が文献で提案されている。
これらのシステムのほとんどは、機械学習(ML)やディープラーニング(DL)モデルのような、データ駆動のアプローチに依存しています。
本稿では,CANベースのIDSをセキュアにするための新しいフレームワークであるCANEDERLIを提案する。
論文 参考訳（メタデータ） (2024-04-06T14:54:11Z) - Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。
特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
論文 参考訳（メタデータ） (2024-03-29T12:01:31Z) - 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) - GCNIDS: Graph Convolutional Network-Based Intrusion Detection System for CAN Bus [0.0]
本稿では,GCN(Graph Convolutional Network)技術を利用して,CANバス内の侵入者検出に革新的なアプローチを提案する。
実験結果から,提案手法が既存のIDSよりも精度,精度,リコールに優れていることが確認された。
提案手法は、現代の車両の安全性と安全性の確保に大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-09-18T21:42:09Z) - 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)
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。