计算机工程

作者：孙扬威, 戚湧

单位：南京理工大学 计算机科学与工程学院, 南京 210094

关键词：车联网安全,聚类混合采样,粒子群优化算法,Stacking模型,车载CAN入侵检测,Gini系数

基金：国家重点研发计划政府间国际科技创新合作重点专项（2019YFE0123800）；欧盟地平线2020科研计划（LC-GV-05-2019）；江苏省“333高层次人才培养工程”科研项目（BRA2020044）。

随着信息技术的快速发展以及智能网联汽车的日渐普及，由网络入侵引起的车联网安全事件正在逐年增加。针对车联网中车载控制器局域网络（CAN）存在的网络攻击问题，提出一种改进的车载CAN入侵检测方法。考虑到车载CAN中数据流量较大且各类别数据比例失衡，提出一种聚类混合采样方法来平衡数据，对于流量较大的数据，在聚类后进行欠采样以去除冗余，对于流量较小的数据，使用SMOTE方法合成数据。合并上述两部分数据并使用Tomek Links算法进行数据清洗。使用基于Gini系数的GBDT特征选择方法计算特征重要性，删除重要程度较低的特征以实现数据降维。在此基础上，使用粒子群优化算法对Stacking模型中的基学习器和元分类器进行调优，使用优化后的基学习器和元分类器构建Stacking模型并完成入侵检测。实验结果表明，该方法在主流车载CAN入侵数据集上的检测准确率为98.18%，优于常见的ANN、KNN、SVM、MTHIDS及MGA-DTC模型，且对DoS、Fuzzy等类别样本的检测精确度较高，漏报率较低，体现出较好的先进性和实用性。

来源：2023年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第1期