AUTOSAR汽车电子嵌入式编程精讲300篇-基于机器学习的车载CAN总线网络异常检测(续)

目录

3.2 CAN总线异常检测方案

3.2.1 攻击者模型

3.2.1.2 实验仿真环境

3.2.2 CAN总线异常检测框架

4 基于改进SVDD的CAN总线报文异常检测方案

4.1 研究背景和目的

4.2 预备知识

4.2.1 SVDD

4.2.2 马尔可夫链

4.3 方案

4.3.1 方案架构 

4.3.2 A型数据简单正态模型的提取与建立（数据预处理阶段） 

4.3.3 方案概述

4.3.5 C型数据D型数据异常检测模型处理

4.3.6 M - SVDD方案

4.4 实验结果与分析

5 基于加密CAN总线报文的异常检测方案

5.1 研究背景和目的

5.2 预备知识

5.2.1 XTEA加密算法

5.2.2 DBSCAN算法

5.3 方案

5.3.1 方案概要

5.3.2 数据预处理

5.3.3 数据加密

5.3.4 XTEA算法改进

5.3.5 异常检测模型

5.3.6 暴力破解安全性分析

5.4 实验

---

本文篇幅较长，分为上下两篇，上篇详见基于机器学习的车载CAN总线网络异常检测

3.2 CAN总线异常检测方案

本文方案是基于机器学习改进SVDD算法车载CAN总线网络异常检测方案，在 明文层面和密文层面对CAN总线报文进行检测，在保证检测准确性的同时，大大降 低了时间开销和计算开销，符合车联网场景实时性要求高、计算能力较为一般的场景 要求。通过将异常检测装置接入CAN总线中，可以有效监控CAN总线车辆报文流 量，实时监控车载CAN总线报文安全，保障车载网络安全。