IWSHAP: Um Método de Seleção Incremental de Características para Redes CAN baseado em Inteligência Artificial Explicável (XAI)

Abstract

As redes CAN (Controller Area Network) são amplamente usadas na indústria automotiva e frequentemente alvo de ataques cibernéticos. A detecção desses ataques via aprendizado de máquina (AM) depende da seleção adequada de características para garantir o desempenho do modelo de predição. Este artigo propõe o IWSHAP, um novo método de seleção de características que combina o algorítimo Iterative Wrapper Subset Selection (IWSS) com os valores SHAP (SHapley Additive exPlanations). O principal objetivo é maximizar a performance do modelo de AM em um tempo reduzido. Os resultados indicam que IWSHAP consegue reduzir o número de características em até 99,17% e o tempo de execução em 98,3% comparado ao baseline.