公开(公告)号：CN118869263A

公开(公告)日：2024-10-29

申请号：CN202410857129.8

申请日：2024-06-28

Applicant: 重庆邮电大学

Inventor： 程安宇 ,  李长清 ,  赵海航 ,  王姗姗 ,  毛友平 ,  周海南 ,  吕妍锦

IPC: H04L9/40 ,  H04L12/40 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/15 ,  G06F18/213 ,  G06N3/045 ,  G06N3/047 ,  G06N3/0442 ,  G06N3/048

Abstract: 本发明涉及一种用于车载CAN网络的入侵检测方法，属于移动通信领域。该方法首先是数据集的获取，通过真实车辆的OBD‑端口记录CAN流量来构建。每个数据集包含300次消息注入的入侵。每次入侵持续3到5秒，每个数据集总共包含30到40分钟的CAN流量记录，接着对数据进行规范化。然后利用Bi‑LSTM作为主干网络提取报文数据特征。最后引入自注意力机制，精确地捕捉CAN报文关键信息，提高模型对CAN报文入侵的检测能力。实验结果表明，该方法可以有效地检测多种CAN网络入侵攻击。

公开(公告)号：CN118764241A

公开(公告)日：2024-10-11

申请号：CN202410857132.X

申请日：2024-06-28

Applicant: 重庆邮电大学

Inventor： 程安宇 ,  周海南 ,  赵海航 ,  王姗姗 ,  李长清 ,  张云天 ,  叶林畅

IPC: H04L9/40 ,  H04L9/32 ,  H04L41/16 ,  H04L67/565 ,  H04L69/164 ,  H04L12/40

Abstract: 本发明涉及一种基于深度学习的车载混合网络入侵检测方法，属于车载网络信息安全领域。本发明提出一种改进的Xcepiton网络，在原始模型的基础上，使Xception中间流的层数减少了一半用于提高检测的实时性，并且还在模型中加入了残差注意力机制提高网络的检测精度。所述方法首先将混合网络中的CAN报文转换成车载Ethernet的UDP数据报文，然后统一混合网络中的数据包的大小，接着对网络流量进行成像处理，最后将图片输入到网络模型中进行训练、验证和测试。实验结果显示，改进的Xception网络模型相较于一些主流的网络模型表现出了更高的准确率和更快检测速度。