Zero-X: A Blockchain-Enabled Open-Set Federated Learning Framework for Zero-Day Attack Detection in IoV

物联网汽车（IoV）是智能交通系统（ITS）的重要技术，将车辆与互联网和其他实体集成在一起。5G的出现和即将到来的6G网络具有巨大的潜力，可以通过实现超可靠、低延迟和高带宽通信来改变IoV。然而，随着连接性的扩大，网络安全威胁已成为一个重要问题。零日攻击的数量不断增加，这些攻击可以利用未知漏洞并绕过现有的入侵检测系统（IDS）。在本文中，我们提出了Zero-X，一种创新的安全框架，可以有效地检测零日和N日攻击。该框架通过将深度神经网络与开放集识别（OSR）相结合来实现这一目标。我们的方法引入了一种新颖的方案，利用区块链技术促进ZeroX框架的可信和分散式联邦学习（FL）。该方案还优先考虑隐私保护，使CAVs和安全操作中心（SOCs）都可以贡献其独特的知识，同时保护其敏感数据的隐私。据我们所知，这是第一篇在IoV领域利用OSR和隐私保护FL来识别0日和N日攻击的工作。对两个最近的网络流量数据集进行的深入实验表明，所提出的框架实现了高检测率，同时最小化了误报率。与相关工作的比较表明，Zero-X框架优于现有解决方案。

提出了一个名为Zero-X的安全框架，旨在有效检测0-day和N-day攻击，解决了IoV中的网络安全问题。

Zero-X框架将深度神经网络与开放集识别（OSR）相结合，使用区块链技术实现信任和去中心化的联邦学习，同时保护隐私。

Zero-X框架是第一个将OSR与隐私保护联邦学习相结合来检测0-day和N-day攻击的研究。实验结果表明，Zero-X框架在最小化误报率的同时，具有高检测率和优于现有解决方案的性能。

相关研究包括使用深度学习和机器学习算法来检测网络攻击的研究，例如：'A Deep Learning Approach for Network Intrusion Detection System'和'Intrusion Detection System using Machine Learning Algorithms'等。