CNNとRNNに基づく列車イーサネットコンシストネットワークのアンサンブル侵入検知方法

列車イーサネットコンシストネットワーク（ECN）は、重要な列車制御指示を送信する任務を担っています。列車ネットワークと外部環境との相互作用が増加する中、ネットワーク侵入が鉄道車両のデータセキュリティを脅かしています。侵入検知システムは、ネットワーク攻撃を検出するための効率的な方法であることが証明されています。本論文では、特にIPスキャン、ポートスキャン、サービス拒否（DoS）、および中間者攻撃（MITM）に対する列車ECNへのネットワーク攻撃から防御するための新しいアンサンブル侵入検知方法を提案します。当社のECNテストベッドから生成された生データから、異なるプロトコル内容の34の特徴を抽出して、特定のデータセットを形成します。データイメージング手法と時間的シーケンス構築手法を設計してデータセットを最適化します。複数の典型的な畳み込みニューラルネットワークとリカレントニューラルネットワークに基づいて、6つの基本分類器を構築します：LeNet-5、AlexNet、VGGNet、SimpleRNN、LSTM、GRU。すべての基本分類器を統合するために動的重み行列投票法を提案します。提案された方法は、我々のデータセットに基づいて評価されます。実験結果は、我々の方法がすべての基本分類器の利点を集約する優れた能力を持ち、精度0.975で優れた検知性能を達成することを示しています。