计算机研究与发展

作者：许鹤,吴迪,卢继武,李仁发,

关键词：控制器局域网, 时序数据, 入侵检测, 网格型长短时记忆网络, 自注意力机制, 现场可编程门阵列,

控制器局域网（controllerareanetwork，CAN）总线协议广泛应用于车辆系统，是一种高效的标准总线，可实现所有电子控制单元（electroniccontrolunits，ECUs）之间的通信.然而，CAN总线由于缺乏安全防御功能，很容易受到攻击.针对车载入侵检测提出一种自注意力机制（self-attentionmechanism，SAM）增强的网格型长短时记忆（gridlongshort-termmemory，GridLSTM）网络，称为SALVID.SAM可以增强针对CAN总线的攻击行为特征，GridLSTM可以有效提取时序数据的深度特征.通过从实际汽车中提取的正常CAN数据生成5个攻击数据集，包括拒绝服务（denialofservice，DoS）攻击、模糊攻击、欺骗攻击、重放攻击和删除攻击，比较了具有不同模型深度的各种模型的性能，结果表明，在检测CAN总线攻击方面，SALVID具有最佳性能.该模型可以识别带有小批量特征的攻击，整体检测准确率为98.98%，这在以往的研究中是很难做到的.还设计并实现了基于现场可编程门阵列（fieldprogrammablegatearray，FPGA）嵌入式平台的SALVID模型，并基于训练好的模型使用并行优化和量化来加速计算.实验结果表明，即使有一定程度的量化，SALVID仍然表现出98.81%的高检测准确率和1.88ms的低时延.该研究为设计高性能实时车载入侵检测系统提供了一种新思路.

来源：2023年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2023年第12期