CTranAD:基于CNN和TranAD的信号级车载网络入侵检测模型OA

车载CAN网络在支持车辆的自动驾驶、车辆通信等方面发挥着核心作用。然而,车载CAN网络容易遭受多种类型的网络攻击,这些网络攻击会对车辆安全性和功能造成严重影响,因此研究车载CAN网络入侵检测系统显得尤为重要。传统的网络入侵检测技术只能对普通的注入攻击进行检测,而对信号级别的注入攻击检测性能较差。针对以上问题,在序列异常检测模型TranAD的基础上增加了一维卷积、层归一化、残差连接和改进的损失函数,构成了应用于车载网络入侵检测的改进模型CTranAD。在公开网络入侵检测数据集UNSW-NB15、KDD Cup 99和车载网络数据集SynCAN上的实验结果显示,CTranAD在F_(1)分数、召回率、精确率和AUC这4个指标上的表现均优于原始TranAD模型。还在时间序列数据集SMD和MBA上进行了实验,表明了模型的通用性。