-
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
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。
-
公开(公告)号：CN118677686A
公开(公告)日：2024-09-20
申请号：CN202410927847.8
申请日：2024-07-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于大模型的汽车CAN总线报文混合攻击模拟方法，属于汽车信息安全测试领域，其包括：根据CAN网络协议的特性，结合现在主要的若干攻击手段和CAN网络协议定义的错误类型产生初始的攻击报文样本库；通过数据增强Borderline‑SMOTE方法对初始的样本库进行优化；通过模糊特征提取方法识别CAN网络特征的脆弱性特征，将CAN网络的脆弱性特征转化为特征向量，并为每个特征向量分配标签，形成标注数据集；建立基于知识蒸馏的DistilBERT模型，采用优化后的样本库和CAN网络特征向量对DistilBERT模型进行训练，最终由DistilBERT模型输出攻击报文。本发明生成的报文测试数据不仅仅可以满足常规的任务，还可以理解复杂的语境、生成流畅且上下文相关的报本，生成满足测试需求的高质量报文测试数据集。
-
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
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：CN118233165A
公开(公告)日：2024-06-21
申请号：CN202410292066.6
申请日：2024-03-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种用于车载Ethernet‑CAN混合网络的信息安全保护方法，属于信息安全领域。该方法针对不同网络设计了不同轻量级入侵检测方法，车载混合网络的域控制器之间通过车载Ethernet完成信息交互，域控制器与ECU之间通过CAN网络进行信息交互。在上电初始时刻需对DCU进行身份认证，保障信息交互设备是车载网络受信任节点；并在DCU与ECU信号交互之间需完成报文层面检测以及信号层面检测，保障数据在发送端没有受到报文注入攻击以及信号篡改攻击。本发明有效的保障了通信交互时数据的真实性，完整性以及数据交互的传输的实时性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
