Sensor and Decision Fusion-Based Intrusion Detection and Mitigation Approach for Connected Autonomous Vehicles
Notice bibliographique
Résumé
The safety of Connected and Autonomous Vehicle (CAV) depends on the security of in-vehicle communication. The Controller Area Network (CAN) bus holds a crucial position in ensuring in-vehicle security. Injecting attacks (e.g., increasing the speed) by hackers can affect drivers. This article proposes a fusion intrusion detection and resilient approach to maintain system performance against intrusion. The proposed system consists of two parts: sensor validation and sensor value estimation. In the sensor validation step, a new fusion approach using three feature ranking approaches, auto-encoder and estimator-based detectors. Finally, Yager’s rules are employed to handle conflict between classifiers and enrich intrusion detection accuracy. Afterward, in the second part, if any intrusion is detected, the estimated values of that sensor which is under intrusion will be replaced based on estimated values by Long-Short Term Memory-based Deep Regressor (LSTMDR) to avoid any performance disruption of the system. The main contribution of this study is that the proposed fusion approach utilizes the inherent redundancy among heterogeneous sensors to create a resilient system against compromised sensors. Utilizing Yager’s rule and the Ordered Weighted Average for information fusion significantly increases the reliability of intrusion detection systems and improves their detection rates. It also improves the performance of soft sensors and enhances the effectiveness of the mitigation phase. To evaluate the proposed approach, a real-world dataset entitled AEGIS - Advanced Big Data Value Chain for Public Safety and Personal Security is used. Test results indicate that the proposed fusion method is robust and reaches more accurate results compared to other detectors in three different considered attacks including replay, Denial of Service, and False Data Injection.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».