隨著互聯(lián)網(wǎng)、云計算和大數(shù)據(jù)的發(fā)展以及5G通信的普及,出現(xiàn)了很多由聯(lián)網(wǎng)計算機控制的智能網(wǎng)聯(lián)汽車.這種發(fā)展為人們的生活帶來很大便利,但與此同時,這種與車緊密相關(guān)的網(wǎng)絡(luò)的安全性也存在著許多問題,近年來已經(jīng)證明了它們存在的許多攻擊漏洞.因此,針對這種安全隱患,本文所提出的模型,通過使用多種機器學習算法來對入侵車載CAN網(wǎng)絡(luò)進行入侵檢測.首先會介紹幾種常見的針對CAN網(wǎng)絡(luò)的攻擊方式,然后基于報文數(shù)據(jù)特征,分別使用Adaboost,KNN,SVM三種算法實現(xiàn)分類.最后,使用基于三種算法的檢測模型對真實采集到的數(shù)據(jù)分別進行測試,對比檢測結(jié)果,得到了三者中能實現(xiàn)更高準確率的算法Adaboost,準確率達到了96.22%. 

【文章來源】：天津理工大學學報. 2020,36(02)

【文章頁數(shù)】：6 頁

【部分圖文】：

Adaboost工作流程圖

SVM通常的實現(xiàn)過程是：通過在分開數(shù)據(jù)的超平面的兩側(cè)分別建立一個互相平行的超平面，分隔超平面使得新建的兩個平行超平面的距離達到最大.如圖2所示，其中w是垂直于所建立超平面的向量，b是超平面的位移間隔，x是處于超平面上的點.就將尋找最佳超平面轉(zhuǎn)化成為尋找使得2/|w|最大的情況，即使|w|取最小值[19].當處理線性可分的數(shù)據(jù)時，則能找到滿足條件的超平面.用公式可以表示為：3.2 檢測模型構(gòu)建

可以看出針對不同ID的CAN報文，三種分類器的異常檢測率都有著不同的檢測效果，特別地，對報頭為0x10d的檢測得出的檢測率處于一個較低的水平，可能是選取的四個位置上的數(shù)據(jù)存在較大變化，出于整體的考慮，不對其特別進行修改.總的來說，三種算法支持的分類器都在實驗中表現(xiàn)出了不錯的分類能力.基于SVM算法的分類器總的平均檢測率達到94.76%，基于KNN算法的分類器總的平均檢測率達到95.37%，而基于Adaboost算法的分類器總的平均檢測率高達96.22%，在各類報文中都有著不錯的檢測效果，在三種分類器中是表現(xiàn)最好的.4 結(jié)論

【參考文獻】：
期刊論文
[1]CAN總線的汽車檢測技術(shù)研究[J]. 劉瑩瑩.  南方農(nóng)機. 2018(14)
[2]CAN總線的汽車車身控制系統(tǒng)的應(yīng)用研究[J]. 寧軒.  電子測試. 2016(08)
[3]物聯(lián)網(wǎng)環(huán)境下的智能汽車技術(shù)研究[J]. 郭一鵬.  科技展望. 2015(36)
[4]基于HOG和SVM的公交乘客人流量統(tǒng)計算法[J]. 徐超,高夢珠,查宇鋒,曹利民.  儀器儀表學報. 2015(02)
[5]基于嵌入式的純電動汽車CAN總線通信及實現(xiàn)[J]. 萬曉鳳,張燕飛,余運俊,凌金福,張翔.  計算機測量與控制. 2013(10)
[6]基于支持向量機和貝葉斯分類的異常檢測模型[J]. 全亮亮,吳衛(wèi)東.  計算機應(yīng)用. 2012(06)
[7]基于支持向量機的圖像語義提取研究[J]. 謝剛,古赟,王芳,雷少帥.  太原理工大學學報. 2011(06)
[8]SVM分類核函數(shù)及參數(shù)選擇比較[J]. 奉國和.  計算機工程與應(yīng)用. 2011(03)

碩士論文
[1]基于模糊測試的車控網(wǎng)絡(luò)漏洞挖掘技術(shù)研究與實現(xiàn)[D]. 黃濤.電子科技大學 2018
[2]智能網(wǎng)聯(lián)汽車安全網(wǎng)關(guān)技術(shù)的研究與實現(xiàn)[D]. 張鷗.電子科技大學 2018
[3]基于智能網(wǎng)聯(lián)汽車的CAN總線攻擊與防御檢測技術(shù)研究[D]. 楊宏.天津理工大學 2017



本文編號：3111196