CN110996300A - 一种基于交通场景安全的车载终端信息安全风险控制方法 - Google Patents

一种基于交通场景安全的车载终端信息安全风险控制方法 Download PDF

Info

Publication number
CN110996300A
CN110996300A CN201911099127.2A CN201911099127A CN110996300A CN 110996300 A CN110996300 A CN 110996300A CN 201911099127 A CN201911099127 A CN 201911099127A CN 110996300 A CN110996300 A CN 110996300A
Authority
CN
China
Prior art keywords
vehicle
information
safety
traffic
safety risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911099127.2A
Other languages
English (en)
Inventor
秦洪懋
闫梦如
冀浩杰
王建
徐迟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Beihang University
Original Assignee
Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd, Beihang University filed Critical Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Priority to CN201911099127.2A priority Critical patent/CN110996300A/zh
Publication of CN110996300A publication Critical patent/CN110996300A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12—Detection or prevention of fraud
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/67—Risk-dependent, e.g. selecting a security level depending on risk profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于交通场景安全的车载终端信息安全风险控制方法，包括如下步骤：步骤一，采集车队信息；步骤二，基于交通系统模型研究相应的车载终端的检测机制；步骤三，获取安全通信场景下的车载端信息安全风险监测阈值作为安全检测的初始化标准；步骤四，在攻击场景下获取状态变量；步骤五，路侧单元把上述步骤中检测的车辆数据信息整合后的信息再传回车辆；步骤六，将安全风险监测函数值与信息安全风险监测阈值进行比较判断系统是否发生攻击。本发明的基于交通场景安全的车载终端信息安全风险控制方法，在车辆行驶过程中，持续性地对信息进行判定，能够有效地将攻击信息进一步扩大，普适性强，对于路侧设备进行信息恢复更具可靠性和有效性。

Description

一种基于交通场景安全的车载终端信息安全风险控制方法
技术领域
本发明涉及汽车信息安全技术领域，适用于智能网联汽车终端系统安全防护，具体涉及到一种基于交通场景安全的车载终端信息安全风险控制方法。
背景技术
在交通自动化、信息化技术发展的应用趋势下，为缓解交通压力、满足出行需求，汽车对智能化、联网化程度要求越来越高。由于网络的开放性，导致互联网技术本身固有的信息安全漏洞也开始对汽车带来威胁，入侵者在实现无线连接后，通过攻击软件存在的漏洞，达到窃取车辆信息、破坏车载系统及远程控制车辆等目的，这些向汽车信息安全提出了全新的要求和挑战。汽车信息安全作为交通安全的重要组成部分，保障安全后，使用者可以根据客观需求无缝地使用车辆通信系统，从而全方位的发挥综合交通管理系统的作用。
结合计算机、网络、控制等先进技术的智能网联交通系统的建设在现阶段相关研究中存在着调度不统一、资源无法共享等诸多问题，系统信息安全也遭受着严峻的考验。智能网联汽车作为物联网在智能交通领域的典型应用，更容易受到信息安全威胁，加剧了交通系统内部可能遭受到的信息安全风险，增加了信息安全隐患。由此可见，解决汽车信息安全问题刻不容缓。
因此，针对智能网联交通系统，需要设计一种信息安全风险控制方法，在系统下车群前后追踪过程中通过车载终端进行车辆运行状态判断是否发生安全攻击，并且能够在此过程中及早地发现攻击并对其进行控制，保障智能交通的安全运转。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于交通场景安全的车载终端信息安全风险控制方法，汽车网络安全威胁事件随着通信的传播，极有可能对交通造成极大的扰动，需要通过车载终端设备对信息安全风险进行控制，防止对交通环境造成损害。建立智能交通系统与智能车载终端的动态检测与保护机制，一是能够提供安全预警，二是提供应急处置。
为实现上述目的，本发明提供了如下技术方案：一种基于交通场景安全的车载终端信息安全风险控制方法，包括如下步骤：
步骤一，采集车队信息，结合路侧单元收集的信息，形成交通场景，将车辆状态和交通场景的信息结合来表现V2V通信网络中的信息传播过程，构建基于构造的安全通信场景下的交通系统模型；
步骤二，基于交通系统模型研究相应的车载终端的检测机制，针对车辆不同运行场景可能面临的信息安全威胁特征，实时进行网络异常流量监测，对车载终端的威胁数据进行训练，形成相应的数据库，同时采用决策树、聚类等算法对车辆的未知威胁进行识别；
步骤三，获取安全通信场景下的车载端信息安全风险监测阈值作为安全检测的初始化标准，循环执行信息安全风险监测方法，获取信息安全风险监测阈值；步骤四，在攻击场景下获取状态变量，根据所述状态变量，计算得出安全风险监测函数值；
步骤五，路侧单元把上述步骤中检测的车辆数据信息整合后的信息再传回车辆；步骤六，将安全风险监测函数值与信息安全风险监测阈值进行比较判断系统是否发生攻击。
作为本发明的进一步改进，所述步骤一中的交通系统模型通过使用经典的细胞自动机交通流模型，用于模拟交通流和车辆移动性的特征，通过蜂窝自动机的更新规则，在路侧端获得并记录交通流量参数，然后将参数与细胞自动机交通流模型结合构成交通系统模型。
作为本发明的进一步改进，所述步骤三的信息安全风险监测阈值由以下公式得出：
Figure RE-GDA0002380409980000031
其中，Threshold为安全通信场景下的信息安全风险监测阈值，t为时间计数值，Mt为安全风险监测函数值。
作为本发明的进一步改进，所述步骤四中的安全风险监测函数值由以下公式计算得出：
Figure RE-GDA0002380409980000032
其中，Mt为安全风险监测函数值，rt为交通系统的参数与车辆数据中存在时间差，P为协方差，T为Threshold，即安全通信场景下的信息安全风险监测阈值。
作为本发明的进一步改进，所述步骤六中安全风险监测函数值大于信息安全风险监测阈值时即判断系统发生了攻击，同时在确定系统发生了攻击后通过以下公式计算出基于设计的标准评估求出的Pearson相关系数ρXY：
Figure RE-GDA0002380409980000033
其中，Xi为单车车辆状态值，
Figure RE-GDA0002380409980000034
为场景中所有车辆状态均值，Yi为该车辆对应的交通运行状态值，
Figure RE-GDA0002380409980000035
为采集的交通运行状态均值，n为场景中车辆数。
本发明的有益效果，本发明提出的车载终端信息安全风险控制方法，在车辆行驶过程中，持续性地对信息进行判定，能够有效地将攻击信息进一步扩大，普适性强，对于路侧设备进行信息恢复更具可靠性和有效性。本发明利用车载端与路侧端的关联性，根据车辆环境动态变化，在单车信息的基础上加入交通数据，实时的交通信息、环境信息等，形成采集、处理、检测、融合、回馈的风险控制方法，实现车内外通信，完成车端与云端的网络对接和信息互传，为环境车辆实时动态信息决策，能够自适应地调节交通网络环境，使交通安全更具全面性。
附图说明
图1为本发明的交通网络威胁控制框架；
图2为本发明的交通安全与信息安全结合场景示意图；
图3为本发明的安全威胁控制方法流程图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
针对图2所示的安全不稳定状态，本发明提出一种基于交通场景安全的车载终端信息安全风险控制方法，为有效控制交通稳态提供依据，最终通过在线更新实现基于交通场景安全的车载终端信息安全风险控制方法，具体流程如图3 所示。
该方法具体的实施步骤如下：
(1)通过采集车队信息，结合路侧单元收集的信息，形成交通场景。通过将车辆状态和交通场景的信息结合来表现V2V通信网络中的信息传播过程。为了实现两者的参数连接，基于构造的安全通信场景下的交通系统模型，使用经典的细胞自动机(CA)交通流模型，用于模拟交通流和车辆移动性的特征，通过蜂窝自动机的更新规则，可以在路侧端获得并记录交通流量参数，例如交通量，车辆速度，平均速度，车辆位置和距离。
(2)研究相应的车载终端的检测机制，针对车辆不同运行场景可能面临的信息安全威胁特征，实时网络异常流量监测机制，通过车载终端的威胁数据进行训练，并形成相应的数据库，同时采用决策树、聚类等算法对车辆的未知威胁进行识别，采用深度学习技术，基于车辆不同状态下的信息差异和数据波动等特征，根据车辆不同运行状态提取出相应的特征，通过在线监控可以知道车载网络传输的数据形式和动态变化规律，快速了解攻击者的攻击目的和意图，有效防止攻击的进一步扩大，有效得知该车辆目前的安全隐患，同时针对交通中其他车辆出现类似威胁事件，也可以进行相应的安全预警工作，有效防止攻击的进一步扩大，确保车辆行驶安全和交通安全。
(3)获取安全通信场景下的车载端信息安全风险监测阈值作为安全检测的初始化标准,监测开始，时间计数开始后，循环执行信息安全风险监测方法，每一次循环都从获取新的安全通信场景下的信息安全风险监测阈值开始：
Figure RE-GDA0002380409980000051
其中，Threshold为安全通信场景下的信息安全风险监测阈值，t为时间计数值，Mt为监测函数值。
(4)在攻击场景下获取状态变量，根据所述状态变量，计算得出安全风险监测函数值。
(5)路侧单元把检测的车辆信息整合后的信息再传回车辆。如图2所示，不同流向的交通状态都有所不同，获得t时刻路侧设备采集的交通运行状态检测量Ut(对于每个车辆xi都有所不同)，设t时刻区域S内的车辆数为N(t)，计算：
Figure RE-GDA0002380409980000052
如图2所示，车辆型号是影响信息安全的重要物理指标，因此最开始基于此赋予每个车辆xi的参考值，使用计算得到卡尔曼滤波的车辆状态预测值为
Figure RE-GDA0002380409980000053
其中，A为系统状态转移矩阵，B为控制输入矩阵，不予赘述；
计算t-1时刻到t时刻的预测误差协方差矩阵为：Pt|t-1＝APt-1|t-1AT+Q，Q为噪声协方差矩阵；
基于此，计算t时刻的卡尔曼滤波增益矩阵为：Kt＝Pt|t-1CT(CPt|t-1CT+R)-1， R为系统观测噪声协方差矩阵；
由此，车辆状态估计值：
Figure RE-GDA0002380409980000061
误差矩阵为Pt|t＝(I-KtC)Pt|t-1，I为单位矩阵。
优选地，所述的根据所述状态变量，计算得出安全风险监测函数值，包括：
计算交通系统的参数与车辆数据中存在时间差为：
Figure RE-GDA0002380409980000062
根据rk，计算信息安全风险监测函数值Mt的公式为
Figure RE-GDA0002380409980000063
(6)将t时刻的所述安全风险监测函数值Mt，与所述信息安全风险监测阈值Threshold进行比较判断系统是否发生攻击。。当所述安全风险监测函数值Mt超过所述信息安全风险监测阈值Threshold，则系统发生了攻击,进一步计算出基于设计的标准评估求出的Pearson相关系数ρXY,公式为：
Figure RE-GDA0002380409980000064
通常情况下通过ρXY取值范围判断变量的相关强度，相关系数越接近于1，相关度越强，相关系数越接近于0，相关度越弱。根据ρXY的数值判断t时刻是否发生了攻击，并划定等级，具体为：
Figure RE-GDA0002380409980000065
Figure RE-GDA0002380409980000071
根据图1所示，在车辆终端威胁数据上报后，能够通过决策树、聚类和密度等算法实现对威胁的识别和分类，并且结合当前车辆的交通行驶场景关联分析后，通过威胁溯源找到威胁车辆、终端中的威胁应用或进程。自动选择合理的安全决策策略，并将该策略自动下发到车载终端。研究车载端对异常流量进行判别、分析、限流，针对底层资源、操作系统、终端应用的防护，阻断应用和异常进程启动，消除威胁，有效保证智能交通的安全。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于交通场景安全的车载终端信息安全风险控制方法，其特征在于：包括如下步骤：
步骤一，采集车队信息，结合路侧单元收集的信息，形成交通场景，将车辆状态和交通场景的信息结合来表现V2V通信网络中的信息传播过程，构建基于构造的安全通信场景下的交通系统模型；
步骤二，基于交通系统模型研究相应的车载终端的检测机制，针对车辆不同运行场景可能面临的信息安全威胁特征，实时进行网络异常流量监测，对车载终端的威胁数据进行训练，形成相应的数据库，同时采用决策树、聚类等算法对车辆的未知威胁进行识别；
步骤三，获取安全通信场景下的车载端信息安全风险监测阈值作为安全检测的初始化标准，循环执行信息安全风险监测方法，获取信息安全风险监测阈值；
步骤四，在攻击场景下获取状态变量，根据所述状态变量，计算得出安全风险监测函数值；
步骤五，路侧单元把上述步骤中检测的车辆数据信息整合后的信息再传回车辆；
步骤六，将安全风险监测函数值与信息安全风险监测阈值进行比较判断系统是否发生攻击。
2.根据权利要求1所述的基于交通场景安全的车载终端信息安全风险控制方法，其特征在于：所述步骤一中的交通系统模型通过使用经典的细胞自动机交通流模型，用于模拟交通流和车辆移动性的特征，通过蜂窝自动机的更新规则，在路侧端获得并记录交通流量参数，然后将参数与细胞自动机交通流模型结合构成交通系统模型。
3.根据权利要求1或2所述的基于交通场景安全的车载终端信息安全风险控制方法，其特征在于：所述步骤三的信息安全风险监测阈值由以下公式得出：
Figure RE-FDA0002380409970000021
其中，Threshold为安全通信场景下的信息安全风险监测阈值，t为时间计数值，Mt为安全风险监测函数值。
4.根据权利要求1或2所述的基于交通场景安全的车载终端信息安全风险控制方法，其特征在于：所述步骤四中的安全风险监测函数值由以下公式计算得出：
Figure RE-FDA0002380409970000022
其中，Mt为安全风险监测函数值，rt为交通系统的参数与车辆数据中存在时间差，P为协方差，T为Threshold，即安全通信场景下的信息安全风险监测阈值。
5.根据权利要求1或2所述的基于交通场景安全的车载终端信息安全风险控制方法，其特征在于：所述步骤六中安全风险监测函数值大于信息安全风险监测阈值时即判断系统发生了攻击，同时在确定系统发生了攻击后通过以下公式计算出基于设计的标准评估求出的Pearson相关系数ρXY：
Figure RE-FDA0002380409970000023
其中，Xi为单车车辆状态值，
Figure RE-FDA0002380409970000024
为场景中所有车辆状态均值，Yi为该车辆对应的交通运行状态值，
Figure RE-FDA0002380409970000025
为采集的交通运行状态均值，n为场景中车辆数。
CN201911099127.2A 2019-11-12 2019-11-12 一种基于交通场景安全的车载终端信息安全风险控制方法 Pending CN110996300A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911099127.2A CN110996300A (zh) 2019-11-12 2019-11-12 一种基于交通场景安全的车载终端信息安全风险控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911099127.2A CN110996300A (zh) 2019-11-12 2019-11-12 一种基于交通场景安全的车载终端信息安全风险控制方法

Publications (1)

Publication Number Publication Date
CN110996300A true CN110996300A (zh) 2020-04-10

Family

ID=70084039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911099127.2A Pending CN110996300A (zh) 2019-11-12 2019-11-12 一种基于交通场景安全的车载终端信息安全风险控制方法

Country Status (1)

Country Link
CN (1) CN110996300A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696352A (zh) * 2020-06-09 2020-09-22 北京百度网讯科技有限公司 交通信息的处理方法、装置、电子设备及存储介质
CN111833608A (zh) * 2020-07-14 2020-10-27 腾讯科技（深圳）有限公司 路况信息的处理方法、装置
CN112732817A (zh) * 2021-01-15 2021-04-30 杭州盈嘉网络科技有限公司 一种物联网系统的大数据处理方法
CN117644880A (zh) * 2024-01-26 2024-03-05 北京航空航天大学 一种面向智能网联汽车的融合安全防护系统及控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1809839A (zh) * 2003-06-23 2006-07-26 维切普公司 自适应的多维信号序列编码/解码方法和装置
US20070128899A1 (en) * 2003-01-12 2007-06-07 Yaron Mayer System and method for improving the efficiency, comfort, and/or reliability in Operating Systems, such as for example Windows
US8627476B1 (en) * 2010-07-05 2014-01-07 Symantec Corporation Altering application behavior based on content provider reputation
CN106710203A (zh) * 2017-01-10 2017-05-24 东南大学 一种多维智能网联交通系统
CN108809967A (zh) * 2018-05-28 2018-11-13 北京交通大学 轨道交通信号系统信息安全风险监测方法
CN109361678A (zh) * 2018-11-05 2019-02-19 浙江工业大学 一种智能网联汽车自动巡航系统虚假数据注入攻击检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070128899A1 (en) * 2003-01-12 2007-06-07 Yaron Mayer System and method for improving the efficiency, comfort, and/or reliability in Operating Systems, such as for example Windows
CN1809839A (zh) * 2003-06-23 2006-07-26 维切普公司 自适应的多维信号序列编码/解码方法和装置
US8627476B1 (en) * 2010-07-05 2014-01-07 Symantec Corporation Altering application behavior based on content provider reputation
CN106710203A (zh) * 2017-01-10 2017-05-24 东南大学 一种多维智能网联交通系统
CN108809967A (zh) * 2018-05-28 2018-11-13 北京交通大学 轨道交通信号系统信息安全风险监测方法
CN109361678A (zh) * 2018-11-05 2019-02-19 浙江工业大学 一种智能网联汽车自动巡航系统虚假数据注入攻击检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAOJIE JI: "Comparative Performance Evaluation of Intrusion Detection Methods for In-Vehicle Networks", 《IEEE ACCESS》 *
魏磊: "车联网环境下CACC车辆信息传播安全性研究", 《汽车工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696352A (zh) * 2020-06-09 2020-09-22 北京百度网讯科技有限公司 交通信息的处理方法、装置、电子设备及存储介质
CN111833608A (zh) * 2020-07-14 2020-10-27 腾讯科技（深圳）有限公司 路况信息的处理方法、装置
CN111833608B (zh) * 2020-07-14 2023-12-19 腾讯科技（深圳）有限公司 路况信息的处理方法、装置
CN112732817A (zh) * 2021-01-15 2021-04-30 杭州盈嘉网络科技有限公司 一种物联网系统的大数据处理方法
CN117644880A (zh) * 2024-01-26 2024-03-05 北京航空航天大学 一种面向智能网联汽车的融合安全防护系统及控制方法
CN117644880B (zh) * 2024-01-26 2024-04-05 北京航空航天大学 一种面向智能网联汽车的融合安全防护系统及控制方法

Similar Documents

Publication Publication Date Title
CN110996300A (zh) 一种基于交通场景安全的车载终端信息安全风险控制方法
Zhang et al. Intrusion detection system using deep learning for in-vehicle security
CN110149345B (zh) 一种基于报文序列预测的车载网络入侵检测方法
Martinelli et al. Car hacking identification through fuzzy logic algorithms
CN111030962B (zh) 车载网络入侵检测方法及计算机可读存储介质
CN111970309B (zh) 基于Spark车联网组合深度学习入侵检测方法及系统
US10261502B2 (en) Modbus TCP communication behaviour anomaly detection method based on OCSVM dual-outline model
CN108390869B (zh) 集成深度学习的车载智能网关装置及其命令序列检测方法
Olufowobi et al. Anomaly detection approach using adaptive cumulative sum algorithm for controller area network
CN107567005B (zh) 基于人工免疫系统的车联网车辆异常行为检测方法及系统
CN111885060B (zh) 面向车联网的无损式信息安全漏洞检测系统和方法
CN112738015A (zh) 一种基于可解释卷积神经网络cnn与图检测的多步攻击检测方法
Kuwahara et al. Supervised and unsupervised intrusion detection based on CAN message frequencies for in-vehicle network
CN111641634B (zh) 一种基于蜜网的工业控制网络主动防御系统及其方法
CN111131247B (zh) 一种车载内部网络入侵检测系统
Gao et al. Intrusion detection system using SOEKS and deep learning for in-vehicle security
CN105025011A (zh) 车载信息安全的评价方法
CN114900331B (zh) 基于can报文特征的车载can总线入侵检测方法
CN113079167A (zh) 一种基于深度强化学习的车联网入侵检测方法及系统
Abdallah et al. Identifying intrusion attempts on connected and autonomous vehicles: A survey
Kang et al. A study on attack pattern generation and hybrid MR-IDS for in-vehicle network
CN114051220B (zh) 一种基于本体的车联网动态贝叶斯攻击图生成方法及系统
CN104008176A (zh) 基于分布式处理和消息驱动模式的业务处理方法
CN108900634A (zh) 一种基于v2x的车辆远程控制方法及系统
CN107493259A (zh) 一种网络安全控制系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410

RJ01 Rejection of invention patent application after publication