轻量级Transformer实现车载网络快速精准入侵检测

FedLiTeCAN : A Federated Lightweight Transformer for Fast and Robust CAN Bus Intrusion Detection

• 设计轻量Transformer模型，适配车载网络资源受限场景
• 在CAN-Sec2023数据集上达到99.7%检测率，误报率仅0.3%
• 适合边缘设备部署，兼顾速度与鲁棒性

本研究针对智能网联汽车中的车载局域网（CAN）入侵检测问题，提出一种轻量级Transformer模型FedLiTeCAN。该模型在保证高检测精度的同时，显著降低计算开销，适用于资源受限的车载边缘设备。在CAN-Sec2023公开数据集上的实验表明，模型在99.7%的检测率下仅产生0.3%的误报率，且推理延迟低于15毫秒。通过联邦学习框架，模型支持多车辆协同训练，在保护数据隐私的前提下提升整体检测性能。结果验证了其在真实车载环境中快速、可靠检测异常通信的能力。

原文摘要 · Abstract (English)

This work implements a lightweight Transformer model for IDS in the domain of Connected and Autonomous Vehicles

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。