基于流量统计的车联网Sybil攻击行为检测

作     者：吕佳健 马进 陈秀真 

作者机构：上海交通大学网络空间安全学院上海 上海市信息安全综合管理技术研究重点实验室上海 

出 版 物：《计算机科学与应用》 (Computer Science and Application)

年 卷 期：2020年第10卷第12期

页      码：2177-2188页

摘      要：在传统的VANETS (Vehicle Ad-hoc Networks)向IoV (Internet of Vehicles)转变的过程中,车联网范围不断扩大以及车联网内流量不断增加,使得传统入侵检测系统难以识别攻击信息或者无法及时给出反馈。Sybil攻击作为车联网环境中的一种重要攻击类型,通过模拟正常车辆的运行特性造成道路信息混乱、阻塞,为车辆的安全驾驶带来巨大挑战。本文面向车联网环境中的sybil攻击行为,使用基于流量统计的入侵检测分析方法来对sybil攻击行为进行鉴别。在数据收集方面,利用仿真工具Veins模拟实际车联网环境中的信息传输过程;在分类器选用方面,利用机器学习中的MLP (Multilayer Perceptron)神经网络,训练能够识别sybil攻击的入侵检测模型;在可视化方面,设计具有便捷交互性的用户界面来进行展示和预警。检测实验表明,本文所设计的入侵检测系统在区分正常流量和sybil攻击行为上平均达到了85%以上的准确率,同时能够在可视化界面上及时地反馈预测结果。

主 题 词：车联网 入侵检测 流量统计 sybil攻击 机器学习 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.12677/CSA.2020.1012229

馆 藏 号：203101372...