INDRA: Intrusion Detection using Recurrent Autoencoders in Automotive Embedded Systems
今天的车辆是复杂的分布式嵌入式系统，越来越多地连接到各种外部系统。不幸的是，这种增强的连接性使车辆容易受到可能是灾难性的安全攻击。在这项工作中，我们提出了一种新的入侵检测系统（IDS），称为INDUSTRY，利用门控递归单元（GRU）为基础的经常性自动编码器检测异常控制器局域网（CAN）总线为基础的汽车嵌入式系统。我们评估我们提出的框架在不同的攻击场景下，也比较它与最知名的在这方面的工作。
2020-07-17 cs.CR eess.SP
Behavioral Residualization for Unsupervised Intrusion Detection in Automotive CAN Networks
针对汽车CAN网络现有入侵检测方法在攻击者复用合法仲裁ID时失效的问题，提出每ID行为残差化表示，经多检测器和数据集验证，可有效提升无监督入侵检测性能，但存在新颖ID泛洪和跨ID模糊测试的局限性。
2026-11-04 cs.CR cs.LG
CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus
Dumarey Softronix（杜马雷软件系统）；Politecnico di Torino（都灵理工大学）
CANDoSA通过硬件性能计数器检测CAN总线上的DoS攻击，利用RISC-V架构和AES-128加密提升汽车网络安全。
2025-07-19 cs.CR
AI-Driven Intrusion Detection Systems (IDS) on the ROAD Dataset: A Comparative Analysis for Automotive Controller Area Network (CAN)
LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎综合理工学院电信学院LTCI研究所）；Ampere Software Technology（安培软件技术公司）；University of Bologna（博洛尼亚大学）
本文针对汽车CAN总线安全，利用包含隐蔽复杂注入的ROAD数据集，对比深度学习与传统机器学习IDS在常用数据集和更真实数据集上的性能差异，揭示现有评估的局限性。
2024-09-05 cs.AI cs.CR cs.LG
Authenticated and Secure Automotive Service Discovery with DNSSEC and DANE
汽车软件化正在取得进展，未来的汽车预计将在多用途计算单元上运行面向服务的架构，这些计算单元通过高速以太网骨干网互连。AUTOSAR体系结构预见了一个称为SOME/IP的通用中间件，它在以太网和IP之上提供服务原语、接口和应用协议。SOME/IP缺乏强大的安全架构，尽管安全性是未来互联网连接车辆的关键。本文提出了一种基于DNSSEC和DANE的认证和证书管理方案，增强了SOME/IP服务发现。我们认为，部署经过充分验证，广泛测试的标准协议应该作为汽车中强大而可靠的安全基础设施的适当基础。我们的解决方案能够在离线场景中实现按需服务身份验证，轻松在线更新，并且不会发生证明冲突。我们评估了我们对通用vsomeip堆栈的扩展，并找到了完全符合汽车操作的性能值。
2023-03-27 cs.CR cs.NI
Enhancing Automotive Security with a Hybrid Approach towards Universal Intrusion Detection System
提出一种结合皮尔逊相关性与深度学习的通用入侵检测系统，适用于多种车型，无需定制，并能适应固件更新带来的数据变化，经测试优于传统方法。
2025-10-07 cs.CR
LSF-IDM: Automotive Intrusion Detection Model with Lightweight Attribution and Semantic Fusion
针对车载网络中隐藏于上下文特征的攻击，本文提出LSF-IDM，利用BERT提取语义并通过知识蒸馏让BiLSTM学习融合特征，在低资源条件下提升检测效果。
2023-09-26 cs.CR
can-train-and-test: A Curated CAN Dataset for Automotive Intrusion Detection
本文提出 can-train-and-test 数据集，汇集两家制造商四款车型的等价攻击 CAN 数据，提供九种攻击及多种文件格式，以降低汽车入侵检测研究的进入门槛并支持跨车型泛化评估。
2023-08-09 cs.CR
Real-Time Zero-Day Intrusion Detection System for Automotive Controller Area Network on FPGAs
Trinity College Dublin（都柏林圣三一大学）
针对汽车CAN总线未知攻击实时检测难题，提出仅用良性数据训练的无监督卷积自编码器，并在Zynq Ultrascale上量化部署，实现99.5%以上准确率与0.43 ms线速检测。
2024-01-19 cs.CR cs.LG cs.SY
Field Testing and Detection of Camera Interference for Autonomous Driving
本文提出一种基于GRU和滑动窗口的入侵检测系统，用于在车载以太网环境中检测摄像头干扰攻击，并在商用车上验证了高精度检测性能。
2024-08-08 cs.CR
TSNZeek: An Open-source Intrusion Detection System for IEEE 802.1 Time-sensitive Networking
IEEE 802.1时间敏感网络（TSN）标准被设想用来取代关键域中的传统网络协议，以确保通过现成的以太网设备进行可靠和确定性的通信。然而，它们缺乏安全对策，甚至可以施加可能导致危险后果的新攻击媒介。本文介绍了第一个开源的安全监测和入侵检测机制，TSNZeek，IEEE 802.1 TSN协议。我们扩展了现有的监控工具，Zeek，一个新的数据包解析语法处理TSN数据流量和基于规则的攻击检测引擎TSN特定的威胁。我们还讨论了各种安全相关的配置和设计方面的IEEE 802.1 TSN监控。我们的实验表明，TSNZeek的原因只有约5%的CPU开销上的Zeek，并成功地检测到各种威胁在一个真正的TSN测试床。
2023-03-20 cs.CR cs.NI
Graph-Based Intrusion Detection System for Controller Area Networks
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）；University of Michigan（密歇根大学）
控制器局域网（CAN）是汽车工业中使用最广泛的车内通信网络。由于其设计简单，它缺乏安全性证明的通信协议所需的大部分要求。然而，安全可靠的环境对于自动驾驶和联网车辆至关重要。因此，CAN总线的安全性被认为是汽车研究界的重要课题之一。在本文中，我们提出了一个四阶段的入侵检测系统，使用卡方方法，可以检测到任何类型的强和弱的网络攻击的CAN。这项工作是有史以来第一个基于图的防御系统提出的CAN。我们的实验结果表明，我们有一个非常低的5.26%的错误分类拒绝服务（DoS）攻击，10%的错误分类模糊攻击，4.76%的错误分类重放攻击，没有错误分类欺骗攻击。此外，与现有的基于ID序列的方法相比，所提出的方法具有高达13.73%的准确性。
2020-09-29 cs.AI cs.CR
STC-IDS: Spatial-Temporal Correlation Feature Analyzing based Intrusion Detection System for Intelligent Connected Vehicles
Shanghai Jiao Tong University（上海交通大学）；Jiangsu University（江苏大学）；Southern University of Science and Technology（南方科技大学）
入侵检测是汽车通信安全的重要防御措施。准确的帧检测模型帮助车辆避免恶意攻击。攻击方法的不确定性和多样性使这项任务具有挑战性。然而，现有的工作有局限性，只考虑局部特征或多个特征的弱特征映射。为了解决这些局限性，我们提出了一种新的汽车入侵检测模型的时空相关功能的车载通信流量（STC-IDS）。具体而言，所提出的模型利用编码检测架构。在编码器部分，空间和时间关系被同时编码。为了加强特征之间的关系，基于注意力的卷积网络仍然捕获空间和通道特征以增加感受野，而注意力-LSTM则从先前的时间序列或关键字节中构建有意义的关系。然后将编码的信息传递到检测器，用于生成强有力的时空注意力特征并实现异常分类。特别地，单帧和多帧模型被构造以分别呈现不同的优点。在基于贝叶斯优化的自动超参数选择下，模型被训练以获得最佳性能。基于真实车辆攻击数据集的大量实证研究表明，STC-IDS的性能优于基线方法，在保持效率的同时获得更少的误报率。
2022-08-10 cs.AI cs.CR
Exploring Highly Quantised Neural Networks for Intrusion Detection in Automotive CAN
Trinity College Dublin（都柏林圣三一大学）
本文提出2位自定义量化MLP（CQMLP）用于汽车CAN多攻击入侵检测，并通过FINN在XCZU7EV上实现低延迟、低能耗的数据流硬件部署。
2024-01-19 cs.AR cs.CR cs.LG
SISSA: Real-time Monitoring of Hardware Functional Safety and Cybersecurity with In-vehicle SOME/IP Ethernet Traffic
School of Computer Engineering and Science, Shanghai University（上海大学计算机工程与科学学院）；Purple Mountain Laboratories（紫金山实验室）
本文提出SISSA方法，通过分析车载SOME/IP以太网流量，结合Weibull分布建模硬件故障和深度学习模型检测网络攻击，实现对ECU功能安全与网络安全的实时监控。
2024-02-21 cs.CR cs.LG cs.NI
Resource-Aware Layered Intrusion Detection Allocation Model
George Emil Palade University of Medicine, Pharmacy, Science, and Technology of Targu Mures（乔治·埃米尔·帕拉德特古穆列什医学、药学、科学与技术大学）
本文提出一种资源感知的分层入侵检测分配模型，通过优化监控深度分配，平衡检测能力与资源消耗，满足关键设备的最低监控要求和全局预算限制。
2026-04-24 cs.CR cs.NI
ABBA: A quasi-deterministic Intrusion Detection System for the Internet of Things
越来越多的流程正在实现自动化，以提高效率和安全性。常见的例子是汽车，工业控制系统或医疗保健。自动化通常依赖于传感器网络来为控制系统提供关键数据。这些自动化流程的一个潜在风险来自恶意行为者在网络中注入的欺诈数据。在这篇文章中，我们提出了一种新的数据篡改检测机制，它不依赖于秘密的加密密钥-可能会丢失或被盗-或准确的网络建模，就像现有的基于机器学习的技术一样。我们定义和分析所提出的技术称为ABBA的数学结构，并提出了一种算法的实施。
2021-08-09 cs.CR
An Anomaly Detection System Based on Generative Classifiers for Controller Area Network
Clemson University（克莱姆森大学）；Politecnico di Milano（米兰理工大学）
本文提出一种基于生成式分类器的CAN网络入侵检测系统，利用变分贝叶斯和自编码器构建因果图与条件概率估计，在Car-hacking数据集上以有限训练数据超越现有模型，提升检测准确率与F1分数。
2024-12-28 cs.CR cs.LG
CAN We Trust Your Results? A Cross-Dataset Study of Automotive IDS Evaluation
Laboratory of Cryptography and System Security (CrySyS Lab)（密码与系统安全实验室（CrySyS实验室））；Budapest University of Technology and Economics（布达佩斯技术大学）；HUN-REN-BME Information Systems Research Group（匈牙利-人-布达佩斯信息系统研究组）
针对CAN入侵检测系统评估不一致的问题，提出跨数据集基准测试框架，集成7个数据集评估5种方法，揭示性能差异，强调跨数据集评估的重要性。
2026-06-29 cs.CR cs.LG
Lightweight Zero Trust via Automotive SDN
Robert Bosch GmbH（罗伯特·博世有限公司）；ETAS GmbH（ETAS有限公司）
针对车载网络缺乏运行时访问撤销与密钥轮换的问题，本文利用现有MACsec/MKA和CORECONF/YANG管理，将SDN控制器映射到NIST零信任组件，实现轻量级ZTA，覆盖七项原则中的五项。
2026-09-10 cs.CR cs.NI
A Framework for the Systematic Assessment of Anomaly Detectors in Time-Sensitive Automotive Networks
本文提出一个基于仿真工具链的评估框架，用于在车载时间敏感网络中系统化、可复现地评估网络异常检测系统，并通过综合车载网络实验揭示了TSN流量与异常类型组合对检测性能的影响。
2024-05-02 cs.CR cs.NI
Intrusion Resilience Systems for Modern Vehicles
本文提出车辆入侵弹性系统（IRS），通过在多 ECU 上复制状态机并达成拜占庭协议，在零日攻击或故障下保障关键应用弹性，实验证明其在现代车载网络中延迟与吞吐量可行。
2023-07-09 cs.CR cs.DC cs.NI
CAN-BERT do it? Controller Area Network Intrusion Detection System based on BERT Language Model
Télécom Paris（巴黎电信学院）；IP Paris（巴黎理工学院）
随着客户功能的不断增加，电子控制单元（ECU）越来越多地集成到现代汽车系统中。然而，车内和外部网络之间的高度连通性为黑客利用车内网络协议的漏洞铺平了道路。在这些协议中，被称为最广泛使用的车载网络技术的控制器局域网（CAN）缺乏加密和认证机制，使得分布式ECU提供的通信不安全。受Transformers器双向编码器表示（BERT）在改善许多自然语言处理任务方面的出色性能的启发，本文提出了"CAN-BERT”，一个基于深度学习的网络入侵检测系统，用于检测对CAN总线协议的网络攻击。我们表明，BERT模型可以学习序列的仲裁标识符（ID）在CAN总线的异常检测使用"屏蔽语言模型“无监督的训练目标。在“Car Hacking：Attack \& Defense Challenge 2020”数据集上的实验结果表明，“CAN-BERT”的性能优于最先进的方法。除了能够在0.8 ms至3 ms的CAN ID序列长度内实时识别车载入侵外，它还可以检测各种网络攻击，F1得分在0.81至0.99之间。
2022-10-17 cs.CR cs.LG cs.NI
On the Resilience of Machine Learning-Based IDS for Automotive Networks
本文研究了四种车载网络基于机器学习的入侵检测系统的对抗样本漏洞，发现对抗样本对其中三种产生负面影响，并分析了样本可迁移性及对抗训练效果，评估了当前方案在现代车辆中的成熟度。
2023-06-26 cs.CR
Digital Twin-Based Intrusion Detection for Vehicle Powertrain CAN Bus Systems
Clemson University（克莱姆森大学）
该研究开发了基于共享编码器LSTM数字孪生的入侵检测系统，可检测保留正常CAN通信模式的隐秘有效载荷攻击，检测率优于基线模型，但假阳性率较高。
2026-08-19 cs.CR cs.LG
Quantised Neural Network Accelerators for Low-Power IDS in Automotive Networks
Trinity College Dublin（都柏林圣三一大学）
提出基于 FINN 的量化 MLP 硬件加速器，在 ZCU104 FPGA 上实现低功耗汽车 CAN 入侵检测，显著降低延迟与能耗且保持先进分类性能。
2024-01-19 cs.AR cs.CR cs.LG
A Lightweight FPGA-based IDS-ECU Architecture for Automotive CAN
Trinity College Dublin（都柏林圣三一学院）
本文提出在混合FPGA上融合汽车CAN入侵检测与传统ECU功能的轻量级架构，利用DPU加速两个QMLP检测DoS、模糊测试和欺骗攻击，实现高准确率及显著的延迟与功耗改善。
2024-01-19 cs.AR cs.CR cs.LG
Advancing CAN Network Security through RBM-Based Synthetic Attack Data Generation for Intrusion Detection Systems
针对CAN网络缺乏攻击数据导致IDS性能受限的问题，提出基于RBM生成合成攻击数据的方法，提升训练数据均衡性，显著提高CANet和EfficientNet的检测准确率。
2025-03-27 cs.CR
Vehicular Intrusion Detection System for Controller Area Network: A Comprehensive Survey and Evaluation
本文综合综述并评估针对控制器局域网的车载入侵检测系统，指出现有方案集中于特定攻击类别，并提出了未来设计建议。
2025-05-22 cs.CR
A high throughput Intrusion Detection System (IDS) to enhance the security of data transmission among research centers
本文提出一种基于FPGA的高吞吐量数据包嗅探器（IDS），支持10 Gbit/s并可扩展至100 Gbit/s，旨在增强大学和研究中心间以太网数据传输的安全性。
2023-11-10 cs.CR cs.SY eess.SY
Shape of the Cloak: Formal Analysis of Clock Skew-Based Intrusion Detection System in Controller Area Networks
本文提出了一种新的伪装攻击称为伪装攻击，并提供了正式的分析基于时钟偏差的入侵检测系统（IDS），检测伪装攻击的控制器局域网（CAN）在汽车。在伪装攻击中，攻击者通过增加延迟来操纵欺骗消息的消息间传输时间，以便模拟期望的时钟偏差并避免检测。为了预测和表征伪装攻击对给定CAN总线和IDS的攻击成功概率的影响，我们为两个基于时钟偏差的IDS开发了正式模型，即，最先进的（SOTA）IDS及其对广泛使用的网络时间协议（NTP）的适应，使用攻击者、检测器和硬件平台的参数。据我们所知，这是第一篇提供汽车CAN中基于时钟偏差的IDS的正式分析的论文。我们实现了两个硬件测试平台，原型和一个真正的车辆（华盛顿大学（UW）EcoCAR）的伪装攻击，并证明其有效性对SOTA和基于NTP的IDS。我们验证我们的正式分析，通过广泛的实验，不同的消息，IDS设置，和车辆。通过比较每个预测的攻击成功概率曲线与其实验曲线，我们发现，SOTA IDS和基于NTP的IDS的平均预测误差分别在3.0%和5.7%。
2019-01-24 cs.CR
Benchmarking Frameworks and Comparative Studies of Controller Area Network (CAN) Intrusion Detection Systems: A Review
本文综述了车载CAN总线入侵检测系统的基准测试框架与比较研究，提出了包含IDS类型、攻击模型等五个方面的评估设计空间，为设计评估实验和选择最佳IDS提供指导。
2024-02-10 cs.CR
A Comprehensive Guide to CAN IDS Data & Introduction of the ROAD Dataset
Rewiring America（重新布线美国）；Oak Ridge National Laboratory（橡树岭国家实验室）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
本文首次系统梳理现有CAN入侵数据集并指出其局限，提出包含3.5小时真实车辆数据、多种隐蔽攻击的ROAD数据集，以促进CAN入侵检测的基准测试与结果可比性。
2024-02-07 cs.CR cs.LG
X-CANIDS: Signal-Aware Explainable Intrusion Detection System for Controller Area Network-Based In-Vehicle Network
X-CANIDS是一种针对CAN车载网络的新型可解释入侵检测系统，通过将负载解析为信号提高检测性能，无需标记数据即可检测零日攻击，并在汽车级嵌入式设备上验证了可行性。
2024-03-14 cs.CR eess.SP
Transforming In-Vehicle Network Intrusion Detection: VAE-based Knowledge Distillation Meets Explainable AI
Kırıkkale University（克勒克卡莱大学）；Clemson University（克莱姆森大学）；University College Dublin（都柏林大学学院）
本文提出基于VAE知识蒸馏的车载网络入侵检测系统KD-XVAE，仅用1669个参数实现0.3毫秒推理，在多数据集上达100%检测率，并集成SHAP可解释AI技术提升透明度。
2024-10-15 cs.AI cs.CR
Deep Defence on Wheels: A Dual Intrusion Detection System Architecture for Comprehensive In-Vehicle Network Security
Trinity College Dublin（都柏林圣三一学院）
针对车载网络的安全需求，提出双IDS架构，结合量化LSTM和量化自编码器，在FPGA上实现高精度、低延迟的已知与未知攻击检测。
2026-10-07 cs.AR cs.CR cs.LG
Expanding the Attack Scenarios of SAE J1939: A Comprehensive Analysis of Established and Novel Vulnerabilities in Transport Protocol
本文针对广泛应用的 SAE J1939 协议漏洞识别有限的问题，提出并验证了 14 种攻击场景（含 7 种新场景），通过实时通信测试平台确认 11 种可成功执行，揭示了商用车辆面临的网络安全威胁。
2024-06-02 cs.CR
Evaluating False Alarm and Missing Attacks in CAN IDS
Department of Applied Mathematics University of Colorado Boulder（应用数学系科罗拉多大学波德摩尔分校）
本文通过评估CAN IDS在对抗性攻击下的性能，揭示了其在误报和遗漏攻击方面的脆弱性，强调了对抗鲁棒性在安全关键汽车系统中的重要性。
2026-02-02 cs.AI cs.CR cs.LG
Anomaly Detection in Intra-Vehicle Networks
Western University（西部大学）
创新和技术的进步以及网络之间互联互通的便利性使我们能够朝着有前途的领域之一发展，即车联网。如今，现代车辆连接到一系列网络，包括车内网络和外部网络。然而，汽车行业面临的主要挑战是使车辆安全可靠;特别是由于现有传统协议存在漏洞，对车辆网络的网络攻击急剧增加。实际上，每辆车都使用通用控制器局域网（CAN）总线协议进行电子控制单元之间的通信，以传输关键的车辆功能和与驾驶员安全相关的消息。CAN总线系统虽然具有重要意义，但缺乏任何协议认证和授权的关键特征。CAN总线安全性的妥协导致了严重的问题，汽车和驾驶员的安全。本文讨论了CAN总线协议的安全问题，并提出了一个入侵检测系统（IDS），检测已知的攻击车载网络。采用多种人工智能（AI）算法，根据通过CAN传输的消息、时间戳和数据包来识别已知的潜在网络攻击。本文的主要目标是通过考虑时间序列特征和攻击频率来准确地检测网络攻击。在考虑攻击频率时，大多数评估的AI算法都能正确识别已知攻击，准确率超过99%。然而，当不考虑时间戳时，这些模型的准确率约为92%至97%。长短期记忆（LSTM）、Xgboost和SVC已被证明是性能良好的分类器。
2022-05-07 cs.AI cs.CR cs.LG
Cyberattacks and Countermeasures For In-Vehicle Networks
随着车辆之间和车辆内部的连接性增加，人们对安全和安保的担忧也在增加。汽车内部使用各种汽车串行协议，如控制器局域网（CAN），本地互连网络（LIN）和FlexRay。CAN总线是最常用的车载网络协议，用于支持ECU之间的车辆参数交换。该协议在设计上缺乏安全机制，因此容易受到各种攻击。此外，车辆的连接性使得CAN总线不仅容易受到车辆内部的攻击，而且还容易受到外部的攻击。随着联网汽车的兴起，车载设备上引入了更多的入口点和接口，从而也导致了更广泛的潜在攻击面。现有的安全机制集中于使用加密、认证和车辆入侵检测系统（IDS），其在诸如低带宽、小帧大小（例如，在CAN协议中）、计算资源的有限可用性和实时灵敏度的各种约束下操作。我们调查了车载网络（IVN）攻击，这些攻击分为：直接接口发起的攻击，远程信息处理和信息娱乐发起的攻击，以及传感器发起的攻击。我们调查和分类当前的加密和IDS方法，并比较这些方法的基础上的标准，如实时的约束，使用的硬件类型，在CAN总线行为的变化，类型的攻击缓解和软件/硬件用于验证这些方法。我们的结论与潜在的缓解策略和未来的研究挑战。
2020-04-22 cs.CR
