ARTFEED — Contemporary Art Intelligence

DAIRE: Modello AI leggero per il rilevamento in tempo reale degli attacchi CAN nell'IoV

ai-technology · 2026-04-24

I ricercatori hanno presentato DAIRE (Detecting Attacks in IoV in REal-time), un framework di machine learning efficiente progettato per il rilevamento e la classificazione immediati degli attacchi al Controller Area Network (CAN) nell'Internet dei Veicoli (IoV). Utilizzando una rete neurale artificiale (ANN) snella, DAIRE struttura ogni strato con Ni = i x c neuroni (dove i rappresenta l'indice dello strato e c denota il numero di classi di attacco). Metodi empirici vengono utilizzati per impostare altri iperparametri per la funzionalità in tempo reale. Il modello si concentra su vari attacchi, tra cui Denial-of-Service, Fuzzy e Spoofing, e utilizza la perdita di entropia incrociata categoriale sparsa. Questo framework affronta significative vulnerabilità di sicurezza nella comunicazione CAN, che è soggetta a minacce informatiche. I risultati sono disponibili su arXiv (ID: 2604.20771).

Fatti principali

  • 1. DAIRE sta per Detecting Attacks in IoV in REal-time
  • 2. È un framework di machine learning leggero per il rilevamento e la classificazione in tempo reale degli attacchi CAN
  • 3. Basato su una ANN leggera con Ni = i x c neuroni per strato
  • 4. Ni = numero di neuroni nell'i-esimo strato, c = numero totale di classi di attacco
  • 5. Iperparametri determinati empiricamente per il funzionamento in tempo reale
  • 6. Prende di mira attacchi: Denial-of-Service, Fuzzy, Spoofing
  • 7. Utilizza la perdita di entropia incrociata categoriale sparsa
  • 8. Pubblicato su arXiv con ID 2604.20771

Entità

Istituzioni

  • arXiv

Fonti