通过基于深度学习的入侵检测系统增强汽车以太网网络的网络安全

由连接性增加和对汽车以太网这一高带宽车载网络技术的需求推动的车辆攻击面数量不断增加，这强调了有效安全机制的必要性。本文提出了两个基于深度学习的入侵检测系统（IDS），用于识别汽车以太网网络中的网络攻击。第一个提案基于多标准优化的卷积神经网络设计，旨在同时提高检测准确性、速度和存储效率。第二个提案引入了一个多阶段的基于深度学习的IDS，其中初始阶段优先考虑快速检测，而第二阶段则专注于实现更准确的结果和攻击分类。本文的主要结果包括在SBRC 2023上发表的一篇论文和在《Ad Hoc Networks》期刊上发表的另一篇论文。