استفاده از طبقه بندی برای افزایش دقت سیستم تشخیص نفوذ در شبکه اینترنت اشیاء خودرویی
Keywords:
سیستم تشخیص نفوذ , طبقه بندی , انتخاب ویژگی , اینترنت خودروAbstract
زمینه و هدف: وسایل نقلیه مدرن امروزی، شامل وسایل نقلیه متصل و خودران (AVs)، بهطور گسترده از سیستمهای کنترل الکترونیکی استفاده میکنند که از طریق شبکههای داخلی خودرو متصل شده و عملکردهای مختلفی را اجرا میکنند. این وسایل نقلیه همچنین از فناوریهای Vehicle-to-Everything (V2X) بهره میبرند که ارتباط بین وسایل نقلیه، زیرساختها و دستگاههای هوشمند را تسهیل میکند. با این حال، این اتصالات بهویژه در برابر حملات سایبری آسیبپذیر هستند. حملات به شبکههای داخل خودرو و شبکههای خارجی میتوانند بر عملکرد و ایمنی وسایل نقلیه تأثیر بگذارند. هدف این تحقیق، شناسایی و مقابله با تهدیدات سایبری در سیستمهای حمل و نقل هوشمند از طریق توسعه یک سیستم تشخیص نفوذ (IDS) مبتنی بر یادگیری ماشینی است.
روش: در این تحقیق، یک سیستم تشخیص نفوذ ترکیبی مبتنی بر امضا و ناهنجاری برای شناسایی حملات سایبری در شبکههای داخل خودرو و شبکههای خارجی پیشنهاد شده است. این سیستم بهطور خاص برای شناسایی حملات سایبری شناختهشده و ناشناخته طراحی شده است. بهمنظور ارزیابی عملکرد سیستم، از دو مجموعه داده مختلف شامل دادههای شبکههای CAN-intrusion و CICIDS2017 استفاده شده است. این دادهها شامل اطلاعات مربوط به حملات سایبری مختلف در شبکههای خودرو میباشند.
یافتهها: نتایج تجربی نشان میدهند که سیستم پیشنهادی میتواند انواع مختلفی از حملات سایبری شناختهشده را با دقت بالای 99 درصد شناسایی کند. این سیستم بهویژه در شناسایی حملات در شبکههای داخلی خودرو و همچنین در شبکههای خارجی، عملکرد بسیار خوبی از خود نشان داده است. این دقت بالا نشاندهنده توانمندی سیستم در شناسایی دقیق تهدیدات سایبری و افزایش ایمنی و کارایی سیستمهای حمل و نقل هوشمند است.
نتیجهگیری: سیستم تشخیص نفوذ مبتنی بر امضا و ناهنجاری که در این تحقیق پیشنهاد شده است، میتواند بهطور مؤثری حملات سایبری را در شبکههای خودرو شناسایی کند. با توجه به دقت بالای سیستم در شناسایی حملات شناختهشده و ناشناخته، این سیستم میتواند بهعنوان یک ابزار قدرتمند برای ایمنسازی شبکههای داخل خودرو و شبکههای خارجی استفاده شود. این تحقیق نشان میدهد که استفاده از روشهای یادگیری ماشینی برای تشخیص حملات سایبری در سیستمهای حمل و نقل هوشمند میتواند به بهبود امنیت این سیستمها کمک کند.