مروری بر سامانه های تشخیص نفوذ هوشمند در خودروهای خودران با بهره گیری از یادگیری عمیق و بلاکچین

رشد سریع خودروهای خودران و سامانه های هوشمند امنیت سایبری را به یکی از چالش های بنیادین در صنعت حمل و نقل هوشمند تبدیل کرده است. این مقاله با رویکردی مروری تحول سامانه های تشخیص نفوذ از مدل های داده محور به چارچوب های ترکیبی تبیین پذیر و مقاوم را بررسی می کند. در این مطالعه مقالات اخیر در زمینه های یادگیری ماشین، یادگیری عمیق، تحلیل گرافی، رمزنگاری هوشمند و بلاک چین گردآوری و تحلیل شده اند تا روندهای اصلی و شکاف های پژوهشی شناسایی شوند. تحلیل نتایج نشان می دهد که همجوشی ویژگی های فیزیکی و سایبری، بهره گیری از یادگیری فدره و رویکردهای مبتنی بر گراف، دقت و تاب آوری سامانه های تشخیص نفوذ را به طور قابل توجهی افزایش داده است. در پایان، چالش های کلیدی شامل کمبود داده های واقعی، آسیب پذیری در برابر حملات خصمانه و ضعف در تبیین پذیری مدل ها معرفی شده و مسیرهای آینده پژوهش در محورهای داده محوری، تاب آوری و اعتمادپذیری تبیین گردیده اند.

کلیدواژه ها:

تشخیص نفوذ درون خودرویی ، امنیت خودروهای خودران ، یادگیری عمیق ، بلاک چین ، شبکه کنترل ناحیه