基于改进卷积神经网络的车联网入侵检测方法及设备技术

本发明专利技术属于车联网安全技术领域，公开了一种基于改进卷积神经网络的车联网入侵检测方法及设备。本发明专利技术的方法包括，采集车联网通信过程中的数据流量原始数据，输入到车联网入侵检测数据降维算法模型中进行预处理，得到车联网数据分析的标准化数据；将所述车联网数据分析的标准化数据输入改进卷积神经网络模型中进行计算，包括：将输入的数据进行卷积计算和非线性激活，进行分层；将每一层数据分别进行两次卷积操作、两次池化操作和一次全连接操作；通过SoftMax层对改进卷积神经网络模型输出数据集进行分类。本发明专利技术能够解决如何通过高效可靠的入侵检测方法实现车联网通信环境下对车联网的入侵行为数据的精准捕捉的问题。对车联网的入侵行为数据的精准捕捉的问题。对车联网的入侵行为数据的精准捕捉的问题。

【技术实现步骤摘要】
基于改进卷积神经网络的车联网入侵检测方法及设备


[0001]本专利技术属于车联网安全
，具体涉及一种基于改进卷积神经网络的车联网入侵检测方法及设备。

技术介绍

[0002]近年来，随着新兴技术在车联网领域的实践应用，车联网得到更加快速的发展，车与车、与路、与人、与云的通信更加紧密，车联网通信安全对于促进智能交通和智慧城市的发展具有决定性的作用。随着通信能力的提升，大量的网络通信流量也随之而来，但因车联网中计算能力受限、应用环境复杂、分布式多节点和传感网络导致车联网安全问题十分突出，如何确保车联网的安全性，加快车联网落地应用成为汽车厂商和科研人员广泛讨论的话题。因此，利用入侵检测（Intrusion Detection, ID）技术确保车联网通信安全以及识别各种恶意攻击行为成为保障车联网安全的一种重要手段。
[0003]针对入侵检测的问题，国内外学者提出了多种有效方法，包括机器学习SVM算法、DNN深度神经网络模型、MLP算法模型等，这些算法被用于解决传统入侵检测问题。如Anish Halima等人将SVM方法应用到入侵检测系统（I本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进卷积神经网络的车联网入侵检测方法，其特征在于，所述方法包括：采集车联网通信过程中的数据流量原始数据，输入到车联网入侵检测数据降维算法模型中进行预处理，得到车联网数据分析的标准化数据；将所述车联网数据分析的标准化数据输入改进卷积神经网络模型中进行计算，包括：将输入的数据进行卷积计算和非线性激活，进行分层；将每一层数据分别进行两次卷积操作、两次池化操作和一次全连接操作；通过SoftMax层对改进卷积神经网络模型输出数据集进行分类，识别出对车联网的入侵行为数据。2.根据权利要求1所述的基于改进卷积神经网络的车联网入侵检测方法，其特征在于，所述车联网通信过程中的数据流量原始数据包括：正常交互数据，包括由车载单元从云服务平台获取的信息；由车载单元获取路侧设施的红绿灯信息以及路况、盲区信息；车载单元与车载单元之间传递的信息和路况预警信息；以及路侧设施将路侧传感数据或者高复杂度的计算结果以不同协议类型、网络连接状态、网络服务类型上传到云服务平台过程中产生的数据；数据传输过程中不同攻击类型的异常入侵数据。3.根据权利要求1所述的基于改进卷积神经网络的车联网入侵检测方法，其特征在于，所述预处理包括：对所述车联网通信过程中的数据流量原始数据进行数据清洗；对经过数据清洗后各种形式的数据进行数值化操作；将数值化操作后的数据取值范围变为（0，1）之间的小数，并采用0均值标准化。4.根据权利要求1所述的基于改进卷积神经网络的车联网入侵检测方法，其特征在于，所述将输入的数据进行卷积计算和非线性激活采用以下函数进行：其中，表示第层第个卷积元激活函数的输出值，计算结果作为分层聚合模块的输入数据；表示卷积层个数；表示激活函数；表示第层中的第个输入特征；表示第层中的第个输入矩阵与第层中的第个位置的卷积权重；表示第层卷积层特征图和第个位置的偏置量；当的值大于0时，车联网标准化数据的值为；当小于等于0时，车联网标准化数据的值为，的取值范围为（0，1）。5.根据权利要求1所述的基于改进卷积神经网络的车联网入侵检测方法，其特征在于，所述将每一层数据分别进行两次卷积操作、两次池化操作和一次全连接操作包括：1）经过卷积计算的特征进入池化层进行采样，其函数原型为：
其中，表示第层第个位置计算的输入结果；表示池化层个数；表示抽样函数；表示第层特征图中的...

【专利技术属性】
技术研发人员：戚湧，刘洺君，俞建业，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：