一种轻量级车载网络入侵检测方法及系统技术方案

本说明书实施例提供了一种轻量级车载网络入侵检测方法及系统，其中，方法包括：采集公开的控制器局域网CAN流量数据集，提取CAN流量数据集的相关特征，合并得到新数据集；所述相关特征包括拓展特征和基础特征；对所述新数据集进行预处理，将处理后的新数据集按照一定比例划分为训练集、验证集和测试集；设计轻量级神经网络，通过训练集对轻量级卷积神经网络进行训练，并通过验证集和测试集进行验证和测试，得到最优检测模型；利用最优检测模型对车载网络流量数据进行检测，识别攻击信号及系统。本发明专利技术能够增大攻击类别的可检测范围，提高检测精度。高检测精度。高检测精度。

【技术实现步骤摘要】
一种轻量级车载网络入侵检测方法及系统


[0001]本文件涉及网络信息安全技术
，尤其涉及一种轻量级车载网络入侵检测方法及系统。

技术介绍

[0002]近年来，由于电子和通信技术的快速发展，汽车开始越来越智能化，汽车内部电子控制单元日益增多，车载网络与外界网络的接触面大大增加，这就使得车辆更容易受到来自外界的网络攻击，严重的威胁到了车主的财产和生命安全。车载网络负责车辆内部通信和与外界网络进行交互，然而作为车载网络最常用标准的CAN(控制器局域网)并没有足够的安全防护措施，CAN主要负责在汽车内ECU(电子控制单元)之间提供高效、经济、可靠的通信，通过广播的形式来保证各ECU通信的一致性，由于CAN的特性，已经有很多研究都表明CAN存在严重的安全风险。
[0003]出于经济性的考虑，CAN的通信速率一直较低，且ECU的计算资源也相对较小，外加提供安全防护的入侵检测装置通常设置在CAN总线的节点上来监测节点流量，资源受限大，出于安全性的考虑，入侵检测系统也要求延时更低，且检测精度足够高。现有研究在车载网络入侵检测领域仍有一些缺陷，如：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量级车载网络入侵检测方法，其特征在于，包括：采集公开的控制器局域网CAN流量数据集，提取CAN流量数据集的相关特征，合并得到新数据集；所述相关特征包括拓展特征和基础特征；对所述新数据集进行预处理，将处理后的新数据集按照一定比例划分为训练集、验证集和测试集；设计轻量级神经网络，通过训练集对轻量级卷积神经网络进行训练，并通过验证集和测试集进行验证和测试，得到最优检测模型；利用最优检测模型对车载网络流量数据进行检测，识别攻击信号。2.根据权利要求1所述的方法，其特征在于，所述采集公开的控制器局域网CAN流量数据集，提取CAN流量数据集的相关特征，合并得到新数据集具体包括：从网上下载公开的控制器局域网CAN流量数据集，所述CAN流量数据包括ID位、有效载荷数DLC和有效载荷Data，所述CAN流量数据还包括时间戳和标签；提取CAN流量数据中有效载荷Data作为基础特征，并提取该Data对应的自身ID及与自身ID相邻的上下各两个相邻ID作为拓展特征；将基础特征与拓展特征合并构建新的一维特征，得到新数据集。3.根据权利要求2所述的方法，其特征在于，对所述新数据集进行预处理，将处理后的新数据集按照一定比例划分为训练集、验证集和测试集具体包括：将新数据集中的数据的ID位、有效载荷Data从16进制转换为10进制，并对标签进行编码；对不满8个字节的Data数据进行填充，将空位填充为0；按6：2：2的比例将新数据集划分为训练集、验证集、测试集，然后分别将训练集、验证集、测试集特征进行标准化操作。4.根据权利要求2所述的方法，其特征在于，所述轻量级神经网络包括第一类瓶颈结构、第二类瓶颈结构、过渡层和输出层。5.根据权利要求4所述的方法，其特征在于，所述通过训练集对轻量级卷积神经网络进行训练具体包括：以训练集数据，包括自身ID、有效载荷Data与相邻ID组成的一维特征作为输入；通过第一类瓶颈结构，采取64个1
×
1卷积对输入的一维特征进行升维，然后对特征进行批标准化并采用Relu6激活函数避免大梯度产生；采用1
×
3的一维深度可分离卷积对升维处理后的特征进行卷积操作，产生64个特征图，然后再经过批标准化和Relu6激活函数，通过8个1
×
1卷积进行...

【专利技术属性】
技术研发人员：浣沙，张笑益，尚文利，曹忠，张曼，揭海，
申请(专利权)人：广州大学，
类型：发明
国别省市：