您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (1): 29-34.doi: 10.6040/j.issn.1672-3961.0.2013.192

• 机器学习与数据挖掘 • 上一篇    下一篇

车载自组网中基于交通场景的入侵行为检测机制

李春彦,刘怡良,王良民*   

  1. 江苏大学计算机科学与通信工程学院, 江苏 镇江  212013
  • 收稿日期:2013-10-21 出版日期:2014-02-20 发布日期:2013-10-21
  • 通讯作者: 王良民(1977- ),男,安徽潜山人,博士,副教授,硕导,主要研究方向为无线传感器网络及安全协议研究.E-mail:wanglm@ujs.edu.cn E-mail:wanglm@ujs.edu.cn
  • 作者简介:李春彦(1988- ),女,山东菏泽人,硕士研究生,主要研究方向为车载自组网中的入侵行为检测.Email:lcy20110416@163.com
  • 基金资助:

    国家自然科学基金资助项目(61272074);江苏省自然科学基金资助项目(BK2011464)

Intrusion detection scheme based on traffic scenarios in vehicular adhoc networks

LI Chun-yan, LIU Yi-liang, WANG Liang-min*   

  1. School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang 212013, China
  • Received:2013-10-21 Online:2014-02-20 Published:2013-10-21

摘要:

为减少车载自组网中的各种入侵行为对司机和乘客的生命财产安全带来的损失,提出了一种基于不同交通场景的混合式入侵行为检测机制(mixed intrusion detection scheme,MIDS)。当车辆在同一道路上行驶时,选择基于消息一致性的MIM (message integrity method) 方法,否则使用VOTE方法,在网络条件允许的情况下,可以申请发送方发送相关的场景信息证明警告消息的真实性。实验结果表明,该方法具有较低的通信时延和较高的检测率,有效克服了现有方法的局限性,能够检测多种入侵行为。

关键词: 入侵检测, 车载自组网, 入侵行为, 混合式入侵检测机制

Abstract:

To reduce various intrusion behaviors   that might damage  the drivers and passengers in vehicular ad-hoc networks (VANETs), a mixed intrusion detection scheme (MIDS) based on different traffic scenarios was proposed. While the vehicles were running on the same road, message integrity method (MIM) was used, otherwise VOTE method was chosen. When the network condition was allowed, the corresponding scenario information could be requested to prove the reality of alert messages. The simulation results showed that the proposed method outperformed the existing intrusion detection methods in terms of communication delay and detection rate. Meanwhile, this method could overcome the limitations of existing schemes and could detect many intrusion behaviors efficiently.

Key words: vehicular ad-hoc networks, intrusion behaviors, mixed intrusion detection scheme, intrusion detection

[1] 肖苗苗,魏本征,尹义龙. 基于BFOA和K-means的复合入侵检测算法[J]. 山东大学学报(工学版), 2018, 48(3): 115-119.
[2] 王昊,华继学,范晓诗. 基于双联支持向量机的入侵检测技术[J]. 山东大学学报(工学版), 2013, 43(6): 53-56.
[3] 夏战国,万玲,蔡世玉,孙鹏辉. 一种面向入侵检测的半监督聚类算法[J]. 山东大学学报(工学版), 2012, 42(6): 1-7.
[4] 丁彦,李永忠*. 基于PCA和半监督聚类的入侵检测算法研究[J]. 山东大学学报(工学版), 2012, 42(5): 41-46.
[5] 刘元勋,徐秋亮,云晓春 . 面向入侵检测系统的通用应用层协议识别技术研究[J]. 山东大学学报(工学版), 2007, 37(1): 65-69 .
[6] 高小伟,蒋晓芸 . BP神经网络在入侵检测系统中的应用及优化[J]. 山东大学学报(工学版), 2006, 36(6): 107-110 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!