Hybrid Machine Learning-based Intrusion Detection System Framework for Vehicular Ad hoc Networks

Abstract

Autonomous transportation has an intense impact on the way of our day-to-day commute or traveling. The benefit of a sustainable and flexible system combined with safety and comfort is the next step of the transportation evolution. Connectedness is an inseparable part of this evolution, and it is possible through Intelligent Transportation Systems applications. These applications use a network system known as Vehicular Ad hoc Network (VANET). This system comes with its own benefits and drawbacks. In this research, we study one of the most acute issues of VANET which is security. The safety that is provided by VANET can be easily compromised by malicious users, hence the need for an Intrusion Detection System (IDS). An IDS is a computer program that detects the presence of malicious users and acts accordingly. We designed two IDS models that can cooperate in a hybrid manner for detecting and eliminating attackers in VANET. Therefore, we generated relevant network data for training the core of the IDS using the widely utilized Network Simulator 2, 3 (ns-2, ns-3), and Simulation of Urban Mobility (SUMO) tools. We employed the Support Vector Machine classifier to design a lightweight Trust-aware binary IDS (TSIDS) with only three inputs to detect packet dropping and delaying attacks, as well as a multi-class IDS using Convolutional Neural Networks (CNN) with a novel feature extraction method (CAFECNN). The TSIDS uses a modified version of the promiscuous mode that only collects relevant packets for monitoring the neighboring nodes or vehicles. The CAFECNN model takes advantage of the interconnected Roadside Units to collect network flow information and use the said data for detecting both passive and active types of attacks. We evaluated both models using real-time simulations and, in both cases, we observed an immediate improvement in the performance of the network in presence of intruders. Keywords: Intrusion Detection System, Vehicular Ad hoc Network, Support Vector Machine, Convolutional Neural Network.

Otonom ulaşım, günlük işe gidip gelme veya seyahat etme şeklimiz üzerinde yoğun bir etkiye sahiptir. Güvenlik ve konforla birleştirilmiş sürdürülebilir ve esnek bir sistemin faydası, ulaşım evriminin bir sonraki adımıdır. Bağlılık bu evrimin ayrılmaz bir parçasıdır ve Akıllı Ulaşım Sistemleri uygulamaları ile mümkündür. Bu uygulamalar, Taşıtlar Arası Ağ (VANET) olarak bilinen bir ağ sistemi kullanır. Bu sistem kendi avantajları ve dezavantajları ile birlikte gelir. Bu araştırmada, VANET'in en önemli sorunlarından biri olan güvenlik konusunu inceledik. VANET'ler tarafından sağlanan güvenlik, kötü niyetli kullanıcılar tarafından kolayca tehlikeye atılabilir, bu nedenle bir Saldırı Tespit Sistemine (IDS) ihtiyaç duyulur. IDS, kötü niyetli kullanıcıların varlığını tespit eden ve buna göre hareket eden bir bilgisayar programıdır. Bu çalışmada VANET sistemlerinde gerçekleşen saldırıları tespit etmek ve ortadan kaldırmak için hibrit olarak çalışan iki IDS modeli tasarladık. Bu amaçla, önerilen IDS için gerekli olan verileri bilgisayar simülasyonu ile oluşturmak için bu amaçla yaygın olarak kullanılan ns-2, ns-3 ve SUMO kullanılmıştır. Paket bırakma ve geciktirme tipi saldırıları algılayabilmek için Destek Vektör Makinesi sınıflandırıcısı kullanılarak yalnızca üç girişe sahip Güvene duyarlı ikili IDS (TSIDS) önerdik. Ayrıca yeni bir özellik çıkartma metoduna sahip Evrişimli Sinir Ağları (CNN) kullanan çok sınıflı bir IDS (CAFECNN) tasarlanmıştır. TSIDS, komşu düğümleri veya araçları izlemek için yalnızca ilgili paketleri toplayan karışık modun değiştirilmiş bir sürümünü kullanır. CAFECNN modeli, ağ akış bilgilerini toplamak ve söz konusu bilgileri hem pasif hem de aktif saldırı türlerini tespit etmek için kullanmak için birbirine bağlı Yol Kenarı Birimlerinden yararlanır. Her iki modeli de gerçek zamanlı simülasyonlar kullanarak değerlendirdik ve her iki durumda da izinsiz giriş yapan araçların varlığında ağın performansında önemli iyileşmeler gözlemledik. Anahtar Kelimeler: Saldırı Tespit Sistemi, Araçlar Arası Ağ, Destek Vektör Makinesi, Evrişimli Sinir Ağı.