A Comparative Analysis of Machine Learning Models for Intrusion Detection in Intelligent Transport Systems

1. Enunciazione del Problema

Il documento affronta le critiche sfide di sicurezza che i Sistemi di Trasporto Intelligenti (ITS) devono affrontare nella transizione verso architetture di Edge Computing e 5G/6G-V2X (Vehicle-to-Everything).

• Il Conflitto Centrale: Sebbene l'edge computing riduca la latenza e l'utilizzo della larghezza di banda elaborando i dati localmente, espande la superficie di attacco informatico. I nodi edge (ad esempio, Unità Laterali Stradali, sensori veicolari) sono distribuiti, eterogenei e con risorse limitate, rendendoli vulnerabili ad attacchi sofisticati come DDoS e botnet.
• Limitazioni delle Soluzioni Attuali:
  • IDS Tradizionali Basati su Firme: Falliscono contro il traffico cifrato e i pattern di attacco in evoluzione.
  • Modelli Cloud Centralizzati: Violano la privacy richiedendo la trasmissione di dati grezzi e introducono latenze inaccettabili.
  • Deep Learning: Spesso troppo pesante dal punto di vista computazionale per l'hardware edge con risorse limitate.
  • Limitazioni del ML Classico: I singoli alberi decisionali soffrono di overfitting e alta varianza; le SVM lineari faticano con pattern di traffico non lineari e ad alta dimensionalità, portando a tassi più elevati di falsi positivi.
• Il Gap di Ricerca: È necessario un framework di rilevamento delle intrusioni che preservi la privacy, a bassa latenza e ad alta accuratezza, che operi entro i rigorosi limiti computazionali dei nodi edge senza centralizzare i dati grezzi.

2. Metodologia

Gli autori propongono un Framework Ibrido di Rilevamento delle Intrusioni Consapevole della Fiducia (Trust-Aware Federated Hybrid Intrusion Detection Framework). La metodologia prevede un'analisi comparativa di modelli di machine learning classici per stabilire una baseline robusta prima di implementare l'intero sistema federato.

• Dataset: Lo studio utilizza il dataset CICIDS2017, un dataset di traffico di rete su larga scala e etichettato contenente oltre 2,8 milioni di record con 14 categorie di attacco (inclusi DoS, DDoS, Brute Force e Web Attacks) e traffico benigno.
• Setup Sperimentale:
  • Modelli Confrontati: Random Forest (RF), Decision Tree (DT) e Linear Support Vector Machine (SVM).
  • Flusso di Lavoro: Preprocessing dei dati (pulizia, codifica, scalatura) $\rightarrow$ Split 80/20 Addestramento/Test $\rightarrow$ Addestramento del modello $\rightarrow$ Inferenza e valutazione.
  • Architettura del Framework (Proposta):
    1. Siti Locali: Catturano il traffico, lo pre-elaborano e addestrano rilevatori ibridi locali (utilizzando RF, DT, SVM) senza condividere dati grezzi.
    2. Server: Aggrega gli aggiornamenti del modello utilizzando un meccanismo consapevole della fiducia che pesa gli aggiornamenti in base sia al volume dei dati che all'affidabilità del client, piuttosto che a un semplice pesamento basato sulla dimensione del campione.
    3. Obiettivo: Raggiungere la convergenza del modello globale preservando la privacy dei dati e mitigando l'impatto di aggiornamenti client inaffidabili o malevoli.

3. Contributi Chiave

1. Analisi Comparativa della Baseline: Il documento fornisce un confronto empirico rigoroso di tre algoritmi ML classici (RF, DT, SVM lineare) specificamente per il rilevamento delle intrusioni ITS basato su edge, dimostrando che i metodi ensemble superano gli stimatori singoli e i modelli lineari in questo contesto.
2. Framework Federato Consapevole della Fiducia: Propone un'architettura innovativa in cui i siti edge collaborano tramite Federated Learning (FL) per proteggere la privacy, utilizzando un meccanismo di fiducia per filtrare aggiornamenti del modello di bassa qualità o malevoli.
3. Profilazione degli Errori Operativi: Oltre alle metriche di accuratezza standard, lo studio enfatizza i tassi di Falsi Positivi (FP) e Falsi Negativi (FN). Sostiene che in ambienti ITS critici per la sicurezza, minimizzare i FN (attacchi mancati) e i FP (affaticamento da allerta) è più importante della pura accuratezza.
4. Validazione della Separabilità delle Caratteristiche: Lo studio conferma che lo spazio delle caratteristiche ingegnerizzato in CICIDS2017 consente una separazione quasi perfetta tra traffico benigno e malevolo utilizzando modelli leggeri, validando la fattibilità del passaggio a configurazioni federate complesse.

4. Risultati e Valutazione

Lo studio ha valutato i modelli su un compito di classificazione binaria (Benigno vs DDoS/Attacco) utilizzando 45.143 istanze di test.

Riepilogo delle Metriche di Prestazione:

Risultati Chiave:

• Superiorità di Random Forest: RF ha ottenuto le prestazioni più elevate in tutte le metriche. Crucialmente, ha prodotto il profilo di errore più pulito con soli 2 Falsi Positivi e 3 Falsi Negativi su oltre 45.000 istanze.
• Decision Tree: Ha performato bene ma ha generato più falsi positivi (7) e falsi negativi (4), indicando un rischio più elevato di affaticamento da allerta rispetto a RF.
• Linear SVM: Sebbene accurata, ha avuto il conteggio di errori più alto (19 FP, 22 FN), rendendola meno adatta ad ambienti ad alto rischio dove le mancate rilevazioni sono critiche.
• Spazio delle Caratteristiche: I risultati indicano che le caratteristiche selezionate sono altamente discriminative, permettendo anche a modelli più semplici di raggiungere una separazione quasi perfetta, il che giustifica l'uso di modelli leggeri all'edge.

5. Significato

• Applicazione Critica per la Sicurezza: Negli ITS, un attacco informatico non è solo una violazione dei dati ma un pericolo fisico per la sicurezza (ad esempio, ingorghi stradali, collisioni veicolari). Lo studio dimostra che Random Forest offre l'equilibrio necessario tra alti tassi di rilevamento (bassi FN) e bassi falsi allarmi (bassi FP) per garantire la sicurezza dei passeggeri senza sovraccaricare gli operatori di rete con falsi allarmi.
• Fattibilità dell'Edge AI: I risultati dimostrano che il rilevamento delle intrusioni ad alte prestazioni non richiede pesanti modelli di deep learning; metodi ensemble leggeri possono operare efficacemente entro i vincoli computazionali dei dispositivi edge.
• Fondamento per l'Apprendimento Federato: Stabilendo una forte baseline locale, la ricerca valida che il prossimo passo—l'implementazione dell'apprendimento federato consapevole della fiducia—può mantenere un'alta qualità di rilevamento risolvendo al contempo problemi di privacy e larghezza di banda. Fissa un punto di riferimento per futuri modelli ibridi per garantire che non sacrifichino le prestazioni per la privacy.
• Sicurezza "Zero-Touch": Il framework proposto si allinea alla visione della cybersecurity "zero-touch", abilitando la neutralizzazione autonoma e autosufficiente delle minacce in millisecondi all'edge.

Conclusione:
Il documento conclude che Random Forest è l'algoritmo di machine learning classico ottimale per il rilevamento delle intrusioni basato su edge nei Sistemi di Trasporto Intelligenti. Fornisce una base robusta, a bassa latenza e ad alta accuratezza per il proposto framework federato consapevole della fiducia, garantendo che i futuri deploy ITS possano essere sia sicuri che rispettosi della privacy.