陈 力,王海江,吴 凯

(浙江科技学院 a.机械与能源工程学院;b.信息与电子工程学院,杭州 310023)

汽车电子控制单元(electronic control units,ECU)的应用增加了汽车驾驶的舒适性、安全性和经济性,汽车内部ECU之间通过控制器局域网(controller area network,CAN)总线进行交互。近年来,汽车ECU数量明显增多,汽车ECU占汽车价值的比重逐年增加[1]。但ECU的增加也会造成汽车在面对网络攻击时的脆弱性升高,而CAN网络中缺乏认证和加密等技术来保护其通信安全[2]。此外,CAN是基于广播的总线网络,任何ECU节点都能连接到该网络,接收和发送数据帧[3],这使得汽车CAN网络容易成为攻击目标,危害驾驶安全。目前车载网络的保护机制主要有网络隔离、加密、认证及入侵检测的方法。但网络隔离的方法对ECU的保护能力有限,加密算法会受到ECU计算资源的限制,认证则会增加网络流量,可能会延迟ECU消息发送时间。这些机制在资源受限的环境下难以灵活应用[4]。

入侵检测系统(intrusion detection system,IDS)能够很好地解决这些问题,IDS不需要修改当前汽车的各个ECU控制器,也不会增加网络流量,只需要在CAN总线上增加一个能够满足运算能力和存储要求的检测节点,通过对经过总线的数据帧进行分析,即可检测出恶意攻击行为。近年来,各种智能检测方法被用于IDS中,其中卷积神经网络(convolution neural network,CNN)因在图像、语音等领域的出色表现得到了广泛的应用[5],与深度神经网络(deep neural network,DNN)[6]和长短时记忆(long short-term memory,LSTM)网络[7]相比,CNN采用权值共享、子采样等策略,能够显著减少模型参数的数量,更能满足实时性要求,对未知攻击具有更强的鲁棒性。……