Este documento propone un enfoque de identificación para las Unidades de Control Electrónico (ECUs) en el vehículo, que se basan en las características físicas de las ECUs extraídas de su salida de voltaje. Luego, la identificación no se basa en medios criptográficos, pero podría usarse como un medio alternativo o complementario para fortalecer las soluciones criptográficas para la ciberseguridad de vehículos. Mientras que investigaciones anteriores han utilizado características hechas a mano como el voltaje medio, el voltaje máximo, la asimetría o la varianza, este estudio aplica Redes Neuronales Convolucionales (CNNs) en combinación con la Transformada de Walsh-Hadamard (WHT), que tiene propiedades útiles de compacidad y robustez al ruido. Estas propiedades son explotadas por la CNN, y en particular, las capas de agrupamiento, para reducir el tamaño de los mapas de características en la CNN. El enfoque propuesto se aplica a un conjunto de datos públicos recientemente de huellas dactilares de voltaje de ECU extraídas de diferentes vehículos automotrices. Los resultados muestran que la combinación de CNN y la WHT supera, en términos de precisión de identificación, robustez al ruido y tiempos de computación, y otros enfoques propuestos en la literatura basados en aprendizaje automático superficial y características hechas a medida, así como CNN con otras transformadas lineales como la Transformada Discreta de Fourier (DFT) o CNN con las representaciones originales en el dominio temporal.