设计应用

基于轻量级密集神经网络的车载自组网入侵检测方法

作者：黄学臻1，翟 翟2，周 琳2，祝雅茹2
发布日期：2022-07-01
来源：2022年电子技术应用第7期

0 引言

    随着当前车辆激增，交通拥堵及交通事故等严重影响了社会生活，为了满足人们对于提升出行质量的需求，车载自组网(Vehicular Ad-Hoc Network，VANET)，简称车载网，逐渐成为实现智能交通系统的基础之一。虽然VANET能够为人们的出行质量提供有力保障，但是大量的车辆数据通过无线通信共享，任何交换恶意信息的节点都会损害网络安全性，因此，VANET的安全性成为了车联网领域的重点研究目标。

    为了提高VANET安全性，避免入侵行为产生的危害，首先需要明确其面临的安全问题。VANET中入侵行为主要源自于自私的驾驶者和恶意的攻击者，自私的驾驶者主要是为了私利而独享道路、节约自身资源等；恶意的攻击者使车辆无意或有意地在网络中传输不正确的信息(例如错误的位置或速度坐标)，影响车载网的正常工作，威胁驾乘者的生命财产安全[1]。然而，面对日益复杂的车载网络环境，传统的入侵检测方法呈现出相当多的问题。其中最主要的问题是：大数据背景下传统入侵检测方法性能低下，存储与时间成本高，准确性不高。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004589。




作者信息：

黄学臻1，翟  翟2，周  琳2，祝雅茹2

(1.公安部第一研究所，北京100044；2.北京交通大学 智能交通数据安全与隐私保护技术北京市重点实验室，北京100044)




wd.jpg

此内容为AET网站原创，未经授权禁止转载。
车载自组网 密集神经网络 入侵检测 深度学习

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map