-
题名基于时空图神经网络的CAN总线入侵检测方法
- 1
-
-
作者
刘晨飞
万良
-
机构
公共大数据国家重点实验室
贵州大学计算机科学与技术学院
-
出处
《信息网络安全》
北大核心
2025年第3期478-493,共16页
-
基金
国家自然科学基金[62262004]。
-
文摘
现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导致在复杂攻击类型的检测中存在精度不足的问题。因此,文章提出一种基于时空图神经网络的入侵检测方法GNLNet。该方法通过在预定义的时间窗口内利用消息ID构建CAN消息图,并捕捉CAN消息的时序关联,以增强时空信息的建模能力。模型首先利用GraphSage提取局部空间特征,再通过双向图注意力网络加强节点间信息的交互,最后使用长短期记忆网络对数据流的时间序列进行分析,捕捉数据流随时间的动态变化。在Car_hacking和Survival_Analysis两个公开数据集上进行实验。结果表明,GNLNet在检测和分类拒绝服务攻击及模糊攻击等复杂攻击类型时,检测准确率和F1分数均达到99%,优于现有方法。
-
关键词
CAN总线
入侵检测
时空图神经网络
双向图注意力网络
时空分析
-
Keywords
CAN bus
intrusion detection
spatio-temporal graph neural network
bidirectional graph attention network
spatio-temporal analysis
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
