學者們對于惡意攻擊檢測和預(yù)防的研究上已經(jīng)提出了很多辦法,但是遺憾的是這些辦法不一定適用于車聯(lián)網(wǎng)。其主要原因有兩點:首先車聯(lián)網(wǎng)惡意攻擊主要來源于拒絕服務(wù),篡改和偽裝三大主動攻擊,傳統(tǒng)的檢測方法尚未針對車聯(lián)網(wǎng)對這三種攻擊進行優(yōu)化,因此在車聯(lián)網(wǎng)中直接使用會降低檢測準確率。其次,攻擊者一般通過惡意病毒對車聯(lián)網(wǎng)進行惡意攻擊,目前主流應(yīng)對惡意攻擊的方法是被動防御,它的缺點是安全廠商的安全更新始終落后于攻擊病毒的更新,這也體現(xiàn)出被動防御在應(yīng)對惡意攻擊時的滯后。本文的主要工作分為兩部分:第一部分是對傳統(tǒng)的K近鄰算法進行改進,得到一種新的檢測算法CW-KNN,最后運用構(gòu)建的車聯(lián)網(wǎng)惡意攻擊模擬數(shù)據(jù)集進行仿真實驗。第二部分是改進傳統(tǒng)傳染病模型,并且引入反映個體差異的兩個因子,得到一種新的預(yù)防模型IOV-SIRS,隨后對新模型進行平衡解和穩(wěn)定性分析并最終進行仿真實驗。本文通過實驗證明新的檢測算法對車聯(lián)網(wǎng)惡意攻擊的檢測綜合性能更加優(yōu)越。新的預(yù)防模型可以對惡意攻擊病毒傳播走勢進行數(shù)據(jù)評估和計算,并在病毒爆發(fā)之前提供對應(yīng)的策略,從而最大程度地減小新型攻擊所帶來的危害。與此同時,實驗也證實了使用復(fù)雜網(wǎng)絡(luò)思想預(yù)測病毒傳... 

【文章來源】： 付誠 蘭州理工大學

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【圖文】：

WS小世界模型的演化

論文題目14圖2.2無標度網(wǎng)絡(luò)模型的演化2.4.4傳播臨界值理論無論是計算機網(wǎng)絡(luò)中的病毒傳播，謠言傳播或者疾病傳播，傳播閾值都是一個非常重要的參數(shù)，它可以反映病毒、疾并謠言爆發(fā)的臨界點。只要知道傳播的閾值，就可以從根本上控制病毒、謠言或疾病的大規(guī)模爆發(fā)，從而在一定程度上抑制它們的傳播。對于傳染病模型，有一個變量R0，它表示在一組中所有個體都易感的平均感染期間，可以由傳染源傳染的最大人數(shù)。該變量稱為基本再生數(shù)[78]。當R0<1時，平均傳染期間被單一傳染源感染的人數(shù)少于1，因此傳染病僅具有無病平衡點，并且這個無病平衡點是穩(wěn)定的，傳染病也可以不加控制地消失；當R0>1時，傳染病不僅具有無病平衡點，而且具有地方病平衡點，這意味著該傳染病將一直存在于這一群體中并進一步演變?yōu)榈胤讲１竟?jié)以帶有直接免疫的SIRS（Susceptible-Infected-Recovered-Susceptible）模型[79]為例介紹傳播臨界值理論。首先將帶有直接免疫的SIRS模型中的網(wǎng)絡(luò)節(jié)點劃分成3類：易染節(jié)點S（Susceptible）：指的是網(wǎng)絡(luò)中的正常節(jié)點，和感染節(jié)點接觸有可能被感染，并且轉(zhuǎn)換為感染節(jié)點；感染節(jié)點I（Infected）：指的是網(wǎng)絡(luò)中的被感染的節(jié)點，會以一定的概率感染易感節(jié)點，也有可能被治愈變成免疫節(jié)點；免疫節(jié)點R（Recovered）：指的是網(wǎng)絡(luò)中的感染節(jié)點經(jīng)過治愈轉(zhuǎn)化得來，或者由易感節(jié)點接受直接免疫后轉(zhuǎn)換的節(jié)點，節(jié)點會有一定幾率喪失免疫重新變回易感節(jié)點。(t)、(t)和(t)分別表示時間t時度數(shù)為k的三種節(jié)點的密度，如公式(2.11)所示。()+()+()=1(2.11)

工程碩士學位論文213.3所示。本文根據(jù)1.1節(jié)研究背景及意義中提到的車聯(lián)網(wǎng)主要面臨的3個威脅，最終主觀選取了18個攻擊特征，根據(jù)表3.2，主觀選取的特征它們序號為｛2，3，4，5，6，7，11，17，22，23，24，25，26，29，32，33，34，36｝：表3.3惡意行為背后對應(yīng)的特征屬性惡意行為對應(yīng)的特征屬性惡意代碼植入protocol_type，service，src_bytes，srv_count，count等偽裝hot，root_shell，logged_in，num_access_files，flag等篡改is_hot_login，is_guest_login，num_failed_logins等拒絕服務(wù)src_bytes，dst_host_count，dst_host_srv_count等信號重放dst_host_same_srv_rate，dst_host_same_src_port_rate等（3）客觀篩選車聯(lián)網(wǎng)惡意攻擊特征第三步是進一步優(yōu)化特征的選擇。為了避免對特征選取過于主觀使選擇具有說服力，使用隨機森林算法再次對特征重要性進行評估。隨機森林能找出每個特征對每棵樹的貢獻程度，然后取平均值，最后比較特征之間的貢獻的大校貢獻大小通常使用基尼系數(shù)（Giniindex）作為評估指標來衡量。如圖3.3所示。圖3.3隨機森林計算的特征重要性觀察到其中只有17個左右特征有顯著作用，并且隨機森林評估的這些特征

【參考文獻】：
期刊論文
[1]A Real-Time and Ubiquitous Network Attack Detection Based on Deep Belief Network and Support Vector Machine[J]. Hao Zhang,Yongdan Li,Zhihan Lv,Arun Kumar Sangaiah,Tao Huang.  IEEE/CAA Journal of Automatica Sinica. 2020(03)
[2]基于半監(jiān)督學習的無線網(wǎng)絡(luò)攻擊行為檢測優(yōu)化方法[J]. 王婷,王娜,崔運鵬,李歡.  計算機研究與發(fā)展. 2020(04)
[3]智能網(wǎng)聯(lián)交通系統(tǒng)的關(guān)鍵技術(shù)與發(fā)展[J]. 錢志鴻,田春生,郭銀景,王雪.  電子與信息學報. 2020(01)
[4]基于車輛行為分析的智能車聯(lián)網(wǎng)關(guān)鍵技術(shù)研究[J]. 張海霞,李腆腆,李東陽,劉文杰.  電子與信息學報. 2020(01)
[5]基于隨機森林算法的Android惡意行為識別與分類方法[J]. 柯懂湘,潘麗敏,羅森林,張寒青.  浙江大學學報(工學版). 2019(10)
[6]基于自適應(yīng)魯棒性的入侵檢測模型[J]. 吳亞麗,李國婷,付玉龍,王曉鵬.  控制與決策. 2019(11)
[7]基于加密SD卡的內(nèi)網(wǎng)移動終端可信接入方案[J]. 李濟洋,趙鵬遠,劉喆.  網(wǎng)絡(luò)與信息安全學報. 2019(04)
[8]可信無線傳感網(wǎng)絡(luò)技術(shù)研究[J]. 王遠強,咸凜.  通信技術(shù). 2019(07)
[9]一種擬態(tài)構(gòu)造的Web威脅態(tài)勢分析方法[J]. 李衛(wèi)超,張錚,王立群,劉鎮(zhèn)武,劉浩.  計算機工程. 2019(08)
[10]考慮網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化的SIRS模型的建立與穩(wěn)定性分析[J]. 劉曉東,魏海平,曹宇.  計算機科學. 2019(S1)

博士論文
[1]智慧協(xié)同網(wǎng)絡(luò)中安全防御關(guān)鍵技術(shù)研究[D]. 姚琳元.北京交通大學 2018
[2]復(fù)雜網(wǎng)絡(luò)的某些性質(zhì)研究及其應(yīng)用[D]. 熊云艷.華南理工大學 2016
[3]計算機病毒傳播的建模、分析及控制[D]. 甘臣權(quán).重慶大學 2015
[4]基于人類行為的復(fù)雜網(wǎng)絡(luò)病毒傳播研究[D]. 魯延玲.南京郵電大學 2015

碩士論文
[1]幾類傳染病模型穩(wěn)定性的研究[D]. 王夢玭.湖南大學 2018
[2]基于復(fù)雜網(wǎng)絡(luò)與SIRS模型的金融危機傳染研究[D]. 吳汪洋.湖南大學 2018
[3]網(wǎng)聯(lián)汽車入侵檢測系統(tǒng)的研究與實現(xiàn)[D]. 曾凡.電子科技大學 2018
[4]基于機器學習的入侵檢測算法研究[D]. 王淇藝.北京郵電大學 2018
[5]基于復(fù)雜網(wǎng)絡(luò)個體行為的傳播模型研究[D]. 高成毅.電子科技大學 2017
[6]考慮病毒變異的復(fù)雜網(wǎng)絡(luò)傳染病模型及其穩(wěn)定性研究[D]. 郝銳杰.南京郵電大學 2016
[7]基于社團發(fā)現(xiàn)的復(fù)雜網(wǎng)絡(luò)節(jié)點角色分析[D]. 鄭昆侖.電子科技大學 2016



本文編號：2988883