跳到正文
热点事件持续更新

PhantoMasq:基于GNN的CAN伪装攻击检测框架发布

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Nehal Ameen、Pablo Moriano 和 Irfan Ahmed 提出了基于图神经网络的 CAN 总线伪装攻击检测框架 PhantoMasq,并发布了该框架及其实现代码。该框架利用图卷积网络将 CAN 流量建模为消息序列图,专门用于检测控制器局域网中的假名攻击。 在性能测试中,PhantoMasq 在 ROAD 数据集的 5 类攻击场景中,AUC-ROC 指标达到 0.831-0.999,较基线方法提升了 0.13-0.36。此外,该模型在 CPU 上的处理延迟保持在 2.33-5.94 ms 之间。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    PhantoMasq:基于图神经网络的 CAN 总线路易斯假名攻击检测方法

    PhantoMasq 利用图卷积网络将 CAN 流量建模为消息序列图,用于检测控制器局域网中的假名攻击。 模型在 ROAD 数据集 5 类攻击中 AUC-ROC 达 0.831-0.999,较基线提升 0.13-0.36,CPU 处理延迟 2.33-5.94 ms。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。