An Intrusion Detection System for Smart Autonomous E-Bikes
Notice bibliographique
Résumé
As the world continues to face environmental challenges, cost-effective ecological mobility solutions are sought. In this context, E-bikes have been gaining popularity. In this context, a Smart Autonomous E-Bike prototype has been implemented at our institution. This Bike can be seen as an IoT (Internet of Things) network of synchronized embedded devices and sensors/actuators that communicate and exchange data. With multiple connected modules that must function safely, securing a Smart Bike becomes crucial to avoid breaches that can cause severe consequences, such as accidents or disclosure of sensitive information. Hence, this paper presents an effective Smart Autonomous Bike Intrusion Detection System (IDS) specifically designed for smart autonomous bikes to address the aforementioned concerns. This IDS is capable of detecting and mitigating various types of cyber threats targeting different modules within the smart bike architecture, including path planning, platooning and Advanced Rider Assistance Systems (ARAS) mechanisms. The proposed system is capable of detecting both network attacks and physical tampering on the hardware components of the bike. An open-source Network-Based IDS (Snort) is first used to detect network intrusions, and an anomaly detection system is used for physical attacks. As an enhancement, the proposed IDS employs an additional hybrid Machine Learning (ML) techniques for anomaly and signature classification to analyse incoming external network traffic to detect intrusion attempts, anomalous activities, and potential security breaches. The enhanced module of the proposed IDS is trained using a comprehensive dataset (Canadian Institute for Cybersecurity Intrusion Detection System (CICIDS)-2017) and assessed using different evaluation parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».