摘要: 智能驾驶技术的发展促使车辆与外界网络联系日益频繁。控制器局域网络是当前主要车载网络,攻击者已经可以利用该网络中的安全漏洞实现车辆控制,从而对车内人员造成重大安全威胁。针对这一问题,提出了一个基于长短期记忆网络和注意力机制的异常检测方法,利用双层注意力编码器分别实现对控制器局域网络数据流局部和整体特征间信息的深度挖掘。通过高效搜寻并学习特征间的顺序模式,所提方法使用特征信息量明显减少,同时实现更好的检测效率和准确率,并能够实现不平衡的分类任务。最后,在CarHacking数据集上进行多次独立重复测试。结果表明,所提方法对数据集中所有攻击类别的检测正确率均高于99.20%,显著优于现有检测方法。此外,还完成了其他方法未实现的多分类任务,并且所提方法的平均检测正确率达到99.26%。
中图分类号: