تشخیص حملات در شبکه‌های خودرویی خودران با استفاده از یادگیری عمیق

نویسندگان

1 استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران

2 استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران

doi
10.22034/abmir.2025.22510.1083
چکیده

وسایل نقلیه مدرن، ازجمله وسایل نقلیه خودران و وسایل نقلیه متصل، به‌طور فزاینده‌ای به محیط خارج از خود متصل می‌شوند و از این طریق عملکردها و خدمات مختلفی را ارائه می‌کنند. افزایش اتصال‌پذیری باعث افزایش حملات اینترنتی به وسایل نقلیه خودران گردیده است و درنتیجه، باعث آسیب‌پذیری این وسایل در برابر تهدیدات سایبری شده است. به‌دلیل ضعف و یا عدم وجود رویه‌های احراز هویت و رمزگذاری در شبکه‌های خودرو، استفاده از سیستم‌های تشخیص نفوذ یکی از روش‌های ضروری برای محافظت از سیستم خودروهای مدرن در برابر حملات سایبری است. در این مقاله، یک سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق با استفاده از تشخیص تصاویر برای سیستم‌های وسایل نقلیه پیشنهادشده است. همچنین، از تکنیک تبدیل بردار ویژگی‌ها به تصاویر برای بهینه‌سازی تشخیص استفاده شده‌است. سیستم تشخیص نفوذ پیشنهادی با استفاده از تکنیک یادگیری گروهی مبتنی بر میانگین بهینه‌شده‌است. در آزمایش‌ها، روش پیشنهادی بیش از 99.25 درصد نرخ تشخیص و به همین مقدار معیار F1 را در دو مجموعه داده امنیتی استاندارد شامل مجموعه داده‌های Car-Hacking و مجموعه داده CICIDS2017 نشان داده است. همچنین، زمان اجرای روش بر روی تجهیزات اینترنت اشیاء اندازه‌گیری شده‌است که نشان‌دهنده قابلیت اجرای روش پیشنهادی است.