网络化自主系统中基于AI/ML的入侵和不端行为检测的调研：技术、挑战与机遇
摘要：基于人工智能/机器学习的入侵检测系统（IDS）和异常行为检测系统（MDS）在识别网络化自主系统的网络流量异常方面显示出巨大的潜力。尽管有大量的研究工作，但在实际环境中实施这些系统的实际情况却非常有限。尽管自主系统的安全性质以及学习技术对对抗攻击的脆弱性可能是其中的潜在原因之一，但缺乏客观评估和可行性评估指标是限制这些系统在实际环境中采用的关键原因之一。本文通过对基于人工智能/机器学习的IDS/MDS进行深入分析，并建立与网络化自主系统相关的基准指标，旨在解决上述局限性。此外，本文还全面调查了该领域最近的研究，突出了评估指标和当前文献中的差距。本文还提出了通过对调查论文的分析得出的关键发现，并提出了适用于车辆网络应用的基于人工智能/机器学习的IDS/MDS解决方案的指导原则。我们的工作为研究人员和实践者提供了必要的工具，以评估人工智能/机器学习的IDS/MDS技术在实际环境中的可行性，旨在促进这些技术在新兴自主车辆系统中的实际应用。
作者：Opeyemi Ajibuwa, Bechir Hamdaoui, Attila A. Yavuz
论文ID：2305.05040
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-05-10