随着汽车信息化的快速发展,特别是汽车里装置了与外网相连的模块,越来越多的汽车遭遇了入侵威胁,目前已经有了这样的案例。因此,汽车车载网络的安全已经是一个迫在眉睫的问题。目前针对车载网络的入侵检测技术现状是:Groza 通过实验证明在 CAN 总线网络中根据信号特征识别信息发送节点的可行性并推荐其可作为一种 CAN 总线网络的入侵检测方法,Larson 提出了一种建立在安全规则基础上的 CAN 总线网络攻击检测方法,该方法基于 CANopen 协议的对象字典,使用协议级的安全规则检测非法 ECU 行为,并提供了一组示例的安全规则,Muter 给出一种结构化的车载网络异常检测方法,引入一组异常检测传感器对消息帧 ID、数据负载、消息频率等进行检查,并整合传感器结果以防止误报。这些入侵检测方法针对车载网络非关联数据攻击方面检测确实有一定作用,但是没有解决针对车载关联数据攻击方面的入侵检测的问题,所以我把数据挖掘中的关联算法 Apriori 引用到车载网络上,但由于传统的 Apriori 算法效率地下,通过结合粗糙集理论对它进行了改进,主要目的是解决针对车载网络关联数据攻击的问题。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉