시계열 모델 기반 CAN 침입 탐지

초록

Controller Area Network(CAN) 프로토콜은 외부 공격에 취약하다. 악의적인 차량 공격을 방지 하기 위한 침입 탐지 시스템(Intrusion Detection System, IDS)의 개발이 지속적으로 이루어지고 있다. 언어 모델의 시계열 분석은 이 분야에서 새로운 접근 방식으로 주목받고 있으며, IDS 성능 향상에 크게 기여하고 있다. 본 논문에서는 제한된 자원으로도 효율적으로 작동하는 IDS 모델을 제안한다. 제안된 IDS는 트랜스포머의 특성을 활용한 공간적 및 시간적 데이터 분석 메커니즘으 로 제한된 데이터로도 신속하게 공격에 대응할 수 있으며, 우수한 성능을 발휘한다. 또한, 비지도 학습을 사용함으로써 전처리 과정에서 입력 시퀀스를 라벨링할 필요가 없으며, 이를 통해 차량을 예측 가능한 공격과 예측 불가능한 공격 모두로부터 보호하는 데 기여한다.