基于机器学习的车载CAN网络入侵检测研究

• 作者: 王春东 莫秀良 谢浒
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: CAN网络 网络攻击 入侵检测 机器学习
• 年，卷（期）: 2020,（2）
• 页码范围: 32-37
• 页数: 6页
• 分类号: TP393.0
• 字数: 4939字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2020.02.007

摘要

随着互联网、云计算和大数据的发展以及5G通信的普及,出现了很多由联网计算机控制的智能网联汽车.这种发展为人们的生活带来很大便利,但与此同时,这种与车紧密相关的网络的安全性也存在着许多问题,近年来已经证明了它们存在的许多攻击漏洞.因此,针对这种安全隐患,本文所提出的模型,通过使用多种机器学习算法来对入侵车载CAN网络进行入侵检测.首先会介绍几种常见的针对CAN网络的攻击方式,然后基于报文数据特征,分别使用Adaboost,KNN,SVM三种算法实现分类.最后,使用基于三种算法的检测模型对真实采集到的数据分别进行测试,对比检测结果,得到了三者中能实现更高准确率的算法Adaboost,准确率达到了96.22％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春东	天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室	68	388	11.0	17.0
2	莫秀良	天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室	20	142	6.0	11.0
3	谢浒	天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室	1	0	0.0	0.0