融合BERT与迁移学习的车载CAN网络自适应入侵检测
打开文本图片集
【摘要】为了提高分布式车载电子控制单元（ECU）的通信安全，提出了基于BERT和迁移学习的无监督自适应入侵检测系统。利用自然语言模型BERT学习控制器局域网（CAN）总线中标识符序列特征，将掩码语言模型作为训练目标，进行无监督异常检测，并结合迁移学习完成不同车型的数据训练。在大规模CAN数据集上的试验结果表明：该检测系统对拒绝服务（DoS）、模糊和欺骗攻击的检测精度分别达到100%、99.99%和99.97%，能够通过模型微调实现对新车型的自适应检测。（剩余13406字）