原文传递
面向智能网联汽车的网络异常行为检测方法研究
| 论文题名： | 面向智能网联汽车的网络异常行为检测方法研究 |
| 关键词： | 智能网联汽车;车联网;异常行为检测;生成对抗式网络 |
| 摘要： | 随着车载传感器、通信技术和人工智能等技术的不断突破，智能网联汽车迎来了儈速发展?段，但是开放的通信环境使得智能网联汽车遭受网络攻击的机会大大增加，现有网络安全架构大多并不适?于儈速移动的智能网联汽车和拓扑结构动态变换的车联网，而异常行为检测是一种有效的主动?御手段，尤其是在车联网这种具有可亴测性的特定场景中可以有效抵抗恶意行为车辆发起的破环性攻击。本文围绕智能网联汽车网络安全?仈，研究智能网联汽车的网络异常行为检测方法，通过构建和完善车联网异常行为检测数据?，融合多种分类器建立SWacNLQg模型，提升对多种异常行为的检测能力。本文的主要工作如下： (1)研究智能网联汽车网络安全模型建立。基于SUMO构建实?路网下的交通模型，基于OMNeT++构建符合IEEE802.11S/DSRC的通信模型，并设计一种考虑传感器误差的BSM信标数据格式，分析?对智能网联汽车的常见网络攻击方式和原理，并模拟典型的攻击方法，通过联合仿真搭建出真实路网环境下的车联网场景，为后续研究提供平台和数据支撑。 (2)研究基于SWacNLQg?成学习的车联网异常行为检测方法。通过提取仿真实傼中的信标数据，构建车联网异常行为检测数据?；研究基于SWacNLQg?成学习的多种分类器融合方法，设计以K近邻、决策树、多层感知机、AdaBRRVW、?机森林5个分类器作为初级分类器，LRgLVWLc回归作为次级分类器的异常行为检测框架。实傼表明，本文提出的方法在不同攻击密度下具有稳定性，且准确率、精准率、召回率和F1-ScRUe与其他分类器相比有着不同程度的提升。 (3)研究基于GAN网络的车联网异常行为检测方法。?对SWacNLQg?成学习检测方法在低攻击密度小样本下对于ReSOa\攻击的检测性能有待提升，结合博弈思想，基于GAN网络设计了生成器和判别器，生成和真实攻击样本具有相同分布的对抗样本，解决异常行为检测数据?中正常行为和异常行为极端不平衡的?仈，弥补了SWacNLQg?成学习方法在小样本下的不足，探索出GAN网络在车联网异常行为检测中的可行性。 (4)搭建智能网联汽车的网络异常行为检测系统。基于车与云控平台通信的?求设计了ReSRUWMVg报文格式；基于本文提出的异常行为检测方法设计出两种工作模式的车载平台；基于HTTP协议设计及实现云控平台，实现对通信范围内的智能网联汽车进行全局分析和决策，基于HTML的Zeb亥?和基于TUaCI的SUMO界?两种可视化界?，实现系统的动态展示。 |
| 作者： | 薛宏伟 |
| 专业： | 网络空间安全 |
| 导师： | 殷国栋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
