CANGuard：車載CANネットワークにおける侵入検知のための時空間CNN-GRU-アテンション・ハイブリッド構造

Abstract

車両インターネット（IoV）は、スマート交通システムの不可欠な構成要素となっており、車両とインフラストラクチャ間のシームレスな相互作用を可能にしている。近年、モビリティ、安全性、ならびに輸送効率の向上において、IoVはますます重要な役割を果たすようになってきた。しかし、この接続性は重大なセキュリティ上の脆弱性をもたらし、とりわけ、車両の重要コンポーネント間の通信を深刻に阻害し得る、Controller Area Network（CAN）バスを対象としたサービス拒否（DoS）およびなりすまし攻撃が問題となる。これによりシステムの誤動作、制御の喪失、あるいは乗客の安全を危険にさらす事態さえ引き起こされる可能性がある。そこで本論文では、この問題に対処するために、畳み込みニューラルネットワーク（CNN）、ゲート付きリカレントユニット（GRU）、および注意機構（attention）を組み合わせた、新しい時空間型の深層学習アーキテクチャCANGuardを提案し、そのような攻撃を効果的に識別する。モデルはCICIoV2024データセットで訓練および評価され、精度、適合率、再現率、ならびにF1スコアの各指標において競争力のある性能を達成し、既存の最先端手法を上回る。包括的なアブレーションスタディにより、CNN、GRU、注意機構それぞれの寄与と、それらの組み合わせによる寄与が確認される。さらに、SHAP解析を行い、モデルの意思決定プロセスを解釈するとともに、侵入検知に最も大きな影響を与える特徴量を特定する。提案手法は、現代のIoV環境における実用的かつスケーラブルなセキュリティ強化に向けて強い可能性を示し、それによってより安全でよりセキュアなCANバス通信を実現する。