领域自适应入侵检测模型

未知攻击高检出

用领域自适应解决车载网络源域与目标域分布差异，对未知攻击保持高检出，推理更快、模型更轻。

Tan, Jingjing · Longfei, Huang · 夏卓群 · 谷科 · 郝威 · 龙科军 · Lingxuan, Zeng

IEEE Transactions on Intelligent Transportation Systems 2025

参数信息

未知攻击场景数

9

技术优势

未知攻击也高检出

通过最小化源域与目标域 GASF 图像的 MK-MMD 差异，模型不依赖两域同分布，对训练中未见过的攻击类型仍保持高检测率。

推理更快

将一维 CAN ID 序列转为二维 GASF 图，便于并行处理时序信息，缩短单样本推理时间，适合车载实时检测。

模型更轻

与已有研究相比，DATI-IDS 在保持高检测率的同时降低了模型复杂度，更易部署到车载计算资源受限的环境。

应用场景

• 车载网络安全：车载安全网关直接部署，对 CAN 总线实时检测未知攻击。
• 车联网入侵检测：车联网入侵检测系统识别新型攻击，无需重新训练。
• 车路协同安全：保护 V2X 通信中的 CAN 总线免受未知攻击，保障车路协同安全。
• 自动驾驶系统安全：为自动驾驶系统提供实时、轻量级的入侵检测，防止攻击导致车辆失控。