45、汽车网络物理系统中的实时入侵检测

汽车网络物理系统中的实时入侵检测

1. 自动编码器基础

自动编码器由编码器和解码器组成。编码器尝试学习输入的非线性映射，解码器则学习嵌入到输入的非线性映射。它们借助如双曲正切（tanh）和修正线性单元（ReLU）等非线性激活函数来实现这一目标。自动编码器的目标是通过从输入中提取关键特征，尽可能精确地重建输入，以最小化重建损失。常见的损失函数包括均方误差（MSE）和Kullback - Leibler（KL）散度。由于自动编码器旨在通过学习输入数据的潜在分布来重建输入，所以它非常适合通过学习消息之间的时间关系，高效地学习和重建高度相关的时间序列数据。

2. 问题定义

2.1 系统模型

考虑一个由多个通过车载网络连接的电子控制单元（ECU）组成的通用汽车系统。每个ECU运行特定的汽车应用程序，这些应用程序具有严格的实时性要求。同时，每个ECU还运行入侵检测应用程序（IDS），负责监控和检测车载网络中的网络攻击。

采用分布式IDS方法，而非集中式IDS方法，原因如下：
- 集中式IDS易出现单点故障，可能使整个系统暴露给攻击者。
- 在诸如洪水攻击等极端情况下，车载网络会高度拥塞，集中式系统可能无法与受攻击的ECU通信。
- 若攻击者成功欺骗集中式IDS的ECU，其他ECU可能无法检测到攻击，从而危及整个系统；而分布式IDS需要欺骗多个ECU才能破坏系统，且即使一个ECU被攻破，分布式智能仍能检测到攻击。
- 分布式IDS中，ECU检测到入侵后可立即停止接收消息，反应速度更快，无需等待集中式系统的通知。
- 分布式IDS将IDS的计算负载分散到各个ECU，可仅监控所需消息，多个ECU能独立