文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.222843
中文引用格式: 黃學(xué)臻,翟翟,周琳,等. 基于輕量級(jí)密集神經(jīng)網(wǎng)絡(luò)的車載自組網(wǎng)入侵檢測方法[J].電子技術(shù)應(yīng)用,2022,48(7):67-73.
英文引用格式: Huang Xuezhen,Zhai Di,Zhou Lin,et al. Intrusion detection method for VANET based on light dense neural network[J]. Application of Electronic Technique,2022,48(7):67-73.
0 引言
隨著當(dāng)前車輛激增,交通擁堵及交通事故等嚴(yán)重影響了社會(huì)生活,為了滿足人們對于提升出行質(zhì)量的需求,車載自組網(wǎng)(Vehicular Ad-Hoc Network,VANET),簡稱車載網(wǎng),逐漸成為實(shí)現(xiàn)智能交通系統(tǒng)的基礎(chǔ)之一。雖然VANET能夠?yàn)槿藗兊某鲂匈|(zhì)量提供有力保障,但是大量的車輛數(shù)據(jù)通過無線通信共享,任何交換惡意信息的節(jié)點(diǎn)都會(huì)損害網(wǎng)絡(luò)安全性,因此,VANET的安全性成為了車聯(lián)網(wǎng)領(lǐng)域的重點(diǎn)研究目標(biāo)。
為了提高VANET安全性,避免入侵行為產(chǎn)生的危害,首先需要明確其面臨的安全問題。VANET中入侵行為主要源自于自私的駕駛者和惡意的攻擊者,自私的駕駛者主要是為了私利而獨(dú)享道路、節(jié)約自身資源等;惡意的攻擊者使車輛無意或有意地在網(wǎng)絡(luò)中傳輸不正確的信息(例如錯(cuò)誤的位置或速度坐標(biāo)),影響車載網(wǎng)的正常工作,威脅駕乘者的生命財(cái)產(chǎn)安全[1]。然而,面對日益復(fù)雜的車載網(wǎng)絡(luò)環(huán)境,傳統(tǒng)的入侵檢測方法呈現(xiàn)出相當(dāng)多的問題。其中最主要的問題是:大數(shù)據(jù)背景下傳統(tǒng)入侵檢測方法性能低下,存儲(chǔ)與時(shí)間成本高,準(zhǔn)確性不高。
本文詳細(xì)內(nèi)容請下載:http://ihrv.cn/resource/share/2000004589。
作者信息:
黃學(xué)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.北京交通大學(xué) 智能交通數(shù)據(jù)安全與隱私保護(hù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京100044)