Resumen

En los últimos años, teorías de aprendizaje profundo, como las Redes Neuronales Recurrentes (RNN) y las Redes Neuronales Convolucionales (CNN), se han aplicado como métodos efectivos para la detección de intrusiones en la red CAN de vehículos. Sin embargo, las RNN existentes realizan la detección estableciendo modelos independientes para cada ID de CAN, lo cual no les permite aprender bien las características potenciales de los diferentes IDs, y tienen una estructura de modelo relativamente complicada y alto coste de tiempo de cálculo. Las CNN pueden lograr una detección rápida al aprender las características de las secuencias de ID de CAN normales y de ataque, y muestran un buen rendimiento, pero los métodos actuales no localizan puntos anormales en la secuencia. Para resolver los problemas anteriores, este artículo propone un modelo de detección de intrusiones en la red CAN de vehículos basado en una Red Convolucional Temporal, llamado Sistema de Detección de Intrusiones Basado en Red Convolucional Temporal (TCNIDS). En TCNIDS, el ID de CAN se serializa en una secuencia de lenguaje natural y se construye un vector de palabras para cada ID de CAN a través del método de codificación de incrustación de palabras para reducir la dimensión de los datos. Al mismo tiempo, TCNIDS utiliza el método Relu parametrizado para mejorar la red convolucional temporal, lo que permite aprender mejor las características potenciales de la secuencia normal. El modelo TCNIDS tiene una estructura simple y realiza la detección de anomalías en el nivel de mensaje al predecir la secuencia futura de datos de CAN normales y establecer la estrategia de probabilidad. Los resultados experimentales muestran que la tasa de detección general, la tasa de falsas alarmas y la tasa de precisión de TCNIDS bajo ataques difusos, ataques de suplantación y ataques de denegación de servicio son más altas que las del modelo tradicional de detección de intrusiones de red convolucional temporal.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Aprendizaje profundo; Detección de intrusos; Redes neuronales convolucionales; Redes neuronales recurrentes; Red convolucional temporal; Red CAN
• Keywords:Deep learning; Intrusion detection; Convolutional Neural Networks; Recurrent Neural Networks; Temporal Convolutional Network; CAN network