[1]陈力,王海江,吴凯.基于卷积神经网络的车载网络入侵检测方法[J].浙江科技学院学报,2021,(01):59-66.
点击复制

基于卷积神经网络的车载网络入侵检测方法(/HTML)
分享到：

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2021年01期
页码:
59-66
栏目:
出版日期:
2021-02-28

文章信息/Info

Title:
In-vehicle network intrusion detection method
文章编号:
1671-8798(2021)01-0059-08
作者:
陈力; 王海江; 吴凯
浙江科技学院 a.机械与能源工程学院;b.信息与电子工程学院,杭州 310023
Author(s):
a.School of Mechanical and Energy Engineering; b.School of Information and Electronic Engineering,Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
CAN总线; 网络安全; 入侵检测; 深度学习; 格拉姆角场
分类号:
TP393.08
文献标志码:
A
摘要:
汽车控制器局域网(controller area network,CAN)由于缺乏安全保护机制,容易受到外部恶意网络攻击。针对该问题,通过分析拒绝服务(denial of service,DoS)攻击数据集和模糊(fuzzy)攻击数据集,提出一种基于卷积神经网络(convolutional neural networks,CNN)的CAN总线网络入侵检测算法。本算法利用CAN总线正常状态下与受攻击状态下帧的标识符(identifier,ID)序列之间稳定性差异,首先将CAN ID序列通过格拉姆和角场(gramian angular summation field,GASF)转换为图片,然后采用简化的VGG(visual geometry group,视觉几何团队)网络对这些图片进行特征提取并分类,对含有入侵行为的帧序列进行检测。试验结果显示,本研究提出的CAN入侵检测方法在拒绝服务攻击数据集上的精准率为100%,在模糊攻击数据集上的精准率为99.90%,表明本方法具有很好的检测性能,能够满足实际工程的需求。本研究可为网联车辆的网络安全防护提供参考。

相似文献/References:

[1]郭小青 项新建.基于CAN总线的水质参数在线监测系统 [J].浙江科技学院学报,2001,(02):15.
　Guo Xiao-qing,Xiang Xin-jian.Water quality parameter on-line monitoring system based on CAN bus[J].,2001,(01):15.
[2]沈海娟.警惕网络Sniffer的危害 [J].浙江科技学院学报,2001,(02):23.
　Shen Haijuan.Taking precautions against sniffer[J].,2001,(01):23.
[3]庞 茂,吴瑞明,杨礼康.军用车辆常用数据总线性能比较及发展趋势[J].浙江科技学院学报,2015,(03):203.[doi:10.3969/j.issn.1671-8798.2015.03.009]
　PANG Mao,WU Ruiming,YANG Likang.Performance analysis and future trends of data buses used in military vehicle[J].,2015,(01):203.[doi:10.3969/j.issn.1671-8798.2015.03.009]

更新日期/Last Update: