双线性自注意力机制CAN总线入侵检测方法研究

来源：电子测量技术杂志2025年第2期北京时间：

作者：陈彦彬，刘桂雄

单位：1.揭阳职业技术学院实训与信息中心 揭阳 522051; 2.华南理工大学机械与汽车工程学院 广州 510640

摘要：控制器局域网络(CAN)总线广泛应用于工业数据采集、车联网等领域，对其安全入侵检测非常重要。为全面提升检测方法性能，提出一种双线性自注意力机制CAN总线入侵检测方法，首先基于堆叠集成思想利用DNN、CNN和LSTM模型提取深度学习层特征；随后通过双线性层分别提取自注意力机制Transformer与FNet特征，再将其与深度学习层特征残差连接融合；最后通过全连接层入侵检测预测，体现高准确率、检测率和良好泛化性特点。在Car_Hacking公开数据集上实验表明，准确率、精确率、召回率、F1值和AUC值分别达0.951、0.996、0.997、0.960和0.984，且随着训练轮数增加其准确率、损失值误差分别保持在5%、10%以内，本文方法优于其他比较方法。应用于物联网实验装置评估结果显示，本文方法在异常攻击识别检测率达99.23%，对于提高测控系统安全性能具有重要推广价值。

关键词：入侵检测系统;控制区域网络CAN;自注意力机制;FNet

基金资助：广东省科技厅特派员重点派驻任务(KTP20210400)、广东省高等教育学会“十四五”规划高等教育研究课题(22GYB018)项目资助