[发明专利]一种基于交通流密度差异的车联网异常入侵检测方法

摘要

本发明公开了一种基于交通流密度差异的车联网异常入侵检测方法，属于车联网及网络入侵检测领域。本发明在车载单元和路侧基站内都设置有事件分析模块，首先根据路网中实际交通流密度的不同来选择分布式入侵检测机制或集中式入侵检测机制；然后通过车载单元来获取车辆节点中的相关网络信息和交通信息，利用车载计算机或路基计算机中的事件分析模块，使用加权改进的朴素贝叶斯算法对信息进行分类检测，实现车联网网络环境中的异常入侵检测。本发明的两种检测机制相互配合使车辆节点在任何移动速度下都可以被检测，保证了入侵检测的完整性和高效性，解决了传统入侵检测系统不适应于车联网通信动态变化、网络节点快速移动的问题。

主权项

1.一种基于交通流密度差异的车联网异常入侵检测方法，应用于车联网，每辆车装配有车载单元，在路侧设置有路侧基站，通过车载单元和路侧基站进行信息采集，进行异常入侵检测，其特征在于，在车载单元和路侧基站内都设置有事件分析模块；所述的检测步骤包括：步骤1：路侧基站对通信范围内的车速进行采集，根据不同交通状况选择不同检测机制；当路侧基站检测到车速大于等于预设速度VT时，采用分布式协作入侵检测机制，执行步骤2；否则，采用集中式入侵检测机制，执行步骤3；VT为正数；步骤2：车辆上的车载单元执行分布式入侵检测机制；车载单元采集网络数据包信息和车辆信息，利用车载单元中的事件分析模块进行异常入侵检测；当检测到异常后，启动联机响应模块及时报警并切断与相邻节点的连接；步骤3：路侧基站执行集中式入侵检测机制；各车辆将采集的网络数据包信息和车辆信息发送给路侧基站，路侧基站利用本地的事件分析模块进行异常入侵检测；若检测到异常时报警并切断车辆节点与路侧基站之间的连接；所述的事件分析模块中采用加权改进的朴素贝叶斯算法进行异常入侵检测，包括：设X为待检测的特征向量，表示为X＝{x1,x2,…xn}，x1,x2,…xn为对应的n个特征属性值，设有m个分类为C1,C2,…Cm，n、m为正整数；先确定各特征属性的权值ωk，k＝1,2,…n；然后利用如下公式计算X的分类结果VWNBC(X)：其中，P(Ci)为类别Ci的先验概率；P(xk|Ci)为在类别Ci的条件下特征属性xk的条件概率。