自动驾驶中摄像头干扰的现场测试与检测
Field Testing and Detection of Camera Interference for Autonomous Driving
AI总结：
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。
摘要：
在网联自动驾驶汽车（CAVs）的最新进展中，车载以太网已成为车载网络（IVNs）的关键技术，凭借其优越的带宽和数据传输能力，正在取代CAN等传统协议。本研究探索在车载以太网驱动环境中，使用一种新型的基于GRU的入侵检测系统（IDS）来检测摄像头干扰攻击（CIA）。利用滑动窗口数据预处理技术，我们的IDS能够有效分析数据包长度序列，以区分正常和异常的数据传输。在一辆配备H.264编码和分片单元-A（FU-A）的商用车上进行的实验评估表明，检测精度很高，在窗口大小为255时，AUC达到0.9982，真阳性率达到0.99。
英文摘要：
In recent advancements in connected and autonomous vehicles (CAVs), automotive ethernet has emerged as a critical technology for in-vehicle networks (IVNs), superseding traditional protocols like the CAN due to its superior bandwidth and data transmission capabilities. This study explores the detection of camera interference attacks (CIA) within an automotive ethernet-driven environment using a novel GRU-based IDS. Leveraging a sliding-window data preprocessing technique, our IDS effectively analyzes packet length sequences to differentiate between normal and anomalous data transmissions. Experimental evaluations conducted on a commercial car equipped with H.264 encoding and fragmentation unit-A (FU-A) demonstrated high detection accuracy, achieving an AUC of 0.9982 and a true positive rate of 0.99 with a window size of 255.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
