A Hardware–Software Co-Designed Lightweight CNN–MLP Accelerator for CAN Intrusion Detection on FPGA

आधुनिक कारें अब केवल इंजन और पहियों वाली मशीनें नहीं रह गई हैं; वे दर्जनों छोटे कंप्यूटरों का एक चलता-फिरता नेटवर्क हैं, जिन्हें इलेक्ट्रॉनिक कंट्रोल यूनिट कहा जाता है, जो ब्रेकिंग से लेकर स्टीयरिंग तक सब कुछ प्रबंधित करने के लिए लगातार एक-दूसरे से बात करते हैं। ये कंप्यूटर कंट्रोल एरिया नेटवर्क (CAN बस) नामक एक साझा राजमार्ग पर संवाद करते हैं। दशकों से, यह प्रणाली विश्वसनीय रूप से काम करती आई है क्योंकि इसे सुरक्षा के बजाय गति और सरलता के लिए डिज़ाइन किया गया था। इसमें आधुनिक इंटरनेट कनेक्शनों में पाए जाने वाले डिजिटल लॉक और पहचान जांच की कमी है, जिसका अर्थ है कि यदि कोई हैकर कार के डायग्नोस्टिक पोर्ट में प्लग कर लेता है या इसके वायरिंग तक पहुँच जाता है, तो वे ऐसे फर्जी संदेश भेज सकते हैं जो बिल्कुल वैध संदेशों जैसे दिखते हैं। यह भेद्यता हमलावरों को नेटवर्क में शोर (noise) भरने, कार के सिस्टम को भ्रमित करने, या यहाँ तक कि महत्वपूर्ण कार्यों पर नियंत्रण करने की अनुमति देती है। इन खतरों को रोकने के लिए, इंजीनियर आर्टिफिशियल इंटेलिजेंस की ओर मुड़ रहे हैं, विशेष रूप से उन प्रणालियों की ओर जो वास्तविक समय में साइबर हमले के सूक्ष्म पैटर्न को पहचानने के लिए सीख सकती हैं। हालाँकि, इन स्मार्ट प्रणालियों को आमतौर पर शक्तिशाली कंप्यूटरों की आवश्यकता होती है जो बहुत अधिक ऊर्जा की खपत करते हैं और कार के सीमित इलेक्ट्रॉनिक मस्तिष्क में फिट होने के लिए डेटा को प्रोसेस करने में बहुत अधिक समय लेते हैं।

स्फ़ैक्स यूनिवर्सिटी, ट्यूनीशिया के शोधकर्ताओं की एक टीम ने इस समस्या का समाधान निकाला है, उन्होंने एक नए प्रकार की सुरक्षा प्रणाली बनाई है जो इतनी स्मार्ट है कि हमलों का पता लगा सके और इतनी छोटी भी है कि कार के मौजूदा हार्डवेयर पर चल सके। एक विशाल, जटिल कंप्यूटर प्रोग्राम को एक बहुत छोटी जगह में जबरदस्ती डालने के बजाय, उन्होंने इसे ज़मीन से एक हल्के वजन वाली प्रणाली के रूप रूप में डिज़ाइन किया, जिसमें सोचने वाले सॉफ़्टवेयर और काम करने वाले विशिष्ट हार्डवेयर के बीच सावधानीपूर्वक संतुलन बनाया गया है। उन्होंने एक FPGA नामक चिप पर एक कस्टम एक्सेलेरेटर बनाया है, जो एक पुनर्गठित योग्य (reconfigurable) कंप्यूटर चिप है जिसका उपयोग इंजीनियरिंग में अक्सर इसलिए किया जाता है क्योंकि इसे अविश्वसनीय गति और कम बिजली के उपयोग के साथ विशिष्ट कार्यों को करने के लिए प्रोग्राम किया जा सकता है। शोधकर्ताओं ने केवल एक मानक सुरक्षा कार्यक्रम को छोटा नहीं किया; उन्होंने पूरे सिस्टम को सह-डिज़ाइन (co-design) किया, आर्टिफिशियल इंटेलिजेंस मॉडल को हार्डवेयर की खूबियों के अनुरूप आकार दिया और हार्डवेयर को मॉडल की जरूरतों को संभालने के लिए तैयार किया।

उनके समाधान का मूल एक हाइब्रिड आर्किटेक्चर है जो दो प्रकार के न्यूरल नेटवर्क को जोड़ता है, जो मानव मस्तिष्क के मॉडल पर आधारित कंप्यूटर सिस्टम हैं। एक हिस्सा डेटा के प्रवाह में अल्पकालिक पैटर्न को देखता है, जबकि दूसरा हिस्सा इस बात पर अंतिम निर्णय लेता है कि कोई संदेश सुरक्षित है या दुर्भावनापूर्ण। यह डिज़ाइन उन भारी, क्रमिक (sequential) प्रसंस्करण चरणों से बचता है जो अन्य प्रकार के AI को धीमा कर देते हैं, जिससे सिस्टम बिना किसी देरी के कार के नेटवर्क के माध्यम से बहने वाले ट्रैफिक का विश्लेषण कर पाता है। चिप की सीमित मेमोरी में इसे चलाने के लिए, शोधकर्ताओं ने 'हेटरोजीनियस फिक्स्ड-पॉइंट क्वांटाइजेशन' नामक तकनीक का उपयोग किया। सरल शब्दों में कहें तो, इसका मतलब है कि उन्होंने गणना के विभिन्न हिस्सों के लिए कंप्यूटर द्वारा उपयोग किए जाने वाले नंबरों की सटीकता (precision) को समायोजित किया। उन्होंने निर्णय लेने की सबसे महत्वपूर्ण प्रक्रियाओं के लिए उच्च सटीकता बनाए रखी ताकि सटीकता सुनिश्चित हो सके, जबकि कम महत्वपूर्ण चरणों के लिए सरल, कम-सटीक नंबरों का उपयोग किया ताकि स्थान और ऊर्जा बचाई जा सके। इस दृष्टिकोण ने उन्हें सिस्टम के मस्तिष्क को बिना उसकी सूक्ष्म खतरों को पहचानने की क्षमता खोए, कॉम्पैक्ट रखने में सक्षम बनाया।

जब शोधकर्ताओं ने कार नेटवर्क ट्रैफिक के एक प्रसिद्ध डेटासेट का उपयोग करके अपने सिस्टम का परीक्षण किया, जिसमें सामान्य ड्राइविंग के साथ-साथ 'डिनायल-ऑफ-सर्विस' फ्लड और 'इंपर्सनेशन' (छद्मवेश) प्रयासों जैसे सिम्युलेटेड हमले शामिल थे, तो परिणाम आश्चर्यजनक थे। सिस्टम ने 99.28 प्रतिशत की सटीकता के साथ ट्रैफिक के प्रकार की सही पहचान की, जिसका अर्थ है कि वह एक सुरक्षित कार और एक हैक की गई कार के बीच अंतर करने में शायद ही कभी गलती करता है। इससे भी महत्वपूर्ण बात यह है कि इसने अत्यधिक गति और दक्षता के साथ यह कार्य किया। सिस्टम एक नए डेटा सेट का विश्लेषण कर सकता है और केवल 0.138 मिलीसेकंड में निर्णय ले सकता है, जो एक ऐसा समय है जो मानवीय दृष्टिकोण से लगभग तात्कालिक है। यह बहुत कम बिजली भी खपत करता है, चलते समय केवल 1.793 वॉट बिजली लेता है, जो ऊर्जा दक्षता का एक ऐसा स्तर है जो इसे एक कार के लिए बैटरी को खाली किए बिना निरंतर सुरक्षा मॉनिटर चलाने के लिए व्यावहारिक बनाता है।

शोधकर्ताओं ने समान हार्डवेयर पर आजमाए गए अन्य तरीकों के साथ अपने दृष्टिकोण की तुलना की। कई मौजूदा समाधान या तो अत्यधिक सरलीकरण पर निर्भर करते हैं जो संख्याओं को अस्थिर बना देते हैं या जटिल, क्रमिक डिजाइनों का उपयोग करते हैं जो वास्तविक समय की सुरक्षा के लिए बहुत धीमे हैं। अन्य विशिष्ट, मालिकाना (proprietary) हार्डवेयर पर निर्भर करते हैं जिसे विभिन्न कार मॉडलों में आसानी से स्थानांतरित नहीं किया जा सकता है। नया डिज़ाइन इन खामियों से बचता है क्योंकि यह एक मध्य मार्ग खोजता है। यह सबसे जटिल मॉडलों के लगभग बराबर पहचान सटीकता प्राप्त करता है, लेकिन काफी तेजी से चलता है और कम बिजली का उपयोग करता है। टीम ने एक विशिष्ट दक्षता स्कोर को मापा जो सटीकता, गति और बिजली के उपयोग को जोड़ता है, और उनके सिस्टम ने अन्य अग्रणी दृष्टिकोणों की तुलना में दोगुने से अधिक स्कोर किया। यह सुझाव देता है कि स्मार्ट होने और कुशल होने के बीच का समझौता एक 'जीरो-सम गेम' (एक में जीत और दूसरे में हार) नहीं है; सॉफ्टवेयर और हार्डवेयर को एक साथ डिजाइन करके, दोनों होना संभव है।

इस सिस्टम को ज़िनक्स (Xilinx) Zynq-7020 चिप पर बनाया और परीक्षण किया गया था, जो एक प्रकार का प्रोसेसर है जो एक सामान्य-उद्देश्य वाले कंप्यूटर कोर को इस तरह के त्वरण (acceleration) के लिए आवश्यक विशिष्ट लॉजिक के साथ जोड़ता है। शोधकर्ताओं ने एक 'हाई-लेवल सिंथेसिस वर्कफ़्लो' का उपयोग किया, जो एक ऐसी विधि है जो स्वचालित रूप से सॉफ्टवेयर डिज़ाइन को उन विशिष्ट निर्देशों में अनुवादित करती है जिन्हें हार्डवेयर चिप को निष्पादित करने की आवश्यकता होती है। इसने उन्हें एक पूर्णतः 'पाइप्लिन्ड' (pipelined) डेटा फ्लो बनाने की अनुमति दी, जहाँ सिस्टम डेटा के निरंतर प्रवाह को प्रोसेस करता है, ठीक वैसे ही जैसे एक असेंबली लाइन जहाँ मशीन के चलने के हर क्षण में एक नई वस्तु को प्रोसेस किया जाता है। यह डिज़ाइन सुनिश्चित करता है कि कार के सुरक्षा सिस्टम को अगला कार्य शुरू करने से पहले पिछले कैलकुलेशन के पूरा होने का इंतज़ार न करना पड़े, जो एक स्थिर, अनुमानित प्रतिक्रिया प्रदान करता है जो सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए आवश्यक है।

हालाँकि परिणाम उत्साहजनक हैं, शोधकर्ता स्वीकार करते हैं कि उनका कार्य एक बड़े लक्ष्य की ओर एक कदम है। परीक्षण कार ट्रैफिक के एक विशिष्ट रिकॉर्ड किए गए डेटासेट का उपयोग करके किया गया था, जो एक नियंत्रित वातावरण प्रदान करता है लेकिन वास्तविक दुनिया के हमले के हर संभावित बदलाव या व्यस्त सड़क की अराजक स्थितियों को कैप्चर नहीं कर सकता है। उन्होंने यह भी नोट किया कि कुल बिजली खपत का एक बड़ा हिस्सा चिप के सामान्य-उद्देश्य वाले प्रोसेसर भाग से आया था, जो यह सुझाव देता है कि और अधिक सुधार इसे और भी अधिक ऊर्जा-कुशल बना सकते हैं। इन सीमाओं के बावजूद, यह अध्ययन प्रदर्शित करता है कि वाहन के इलेक्ट्रॉनिक कंट्रोल यूनिट्स में परिष्कृत आर्टिफिशियल इंटेलिजेंस को सीधे एम्बेड करना संभव है। यह कारों के लिए खुद को साइबर हमलों के खिलाफ वास्तविक समय में बचाव करने का द्वार खोलता है, जिससे क्लाउड के साथ धीमे कनेक्शन या भारी बाहरी कंप्यूटरों पर निर्भर हुए बिना वाहन और उसके यात्रियों की सुरक्षा सुनिश्चित होती है। यह कार्य सिद्ध करता है कि सावधानीपूर्वक इंजीनियरिंग के साथ, एम्बेडेड हार्डवेयर की सीमाएं उन्नत सुरक्षा के लिए बाधा नहीं बन सकतीं।