车联网环境下基于CNN-LSTM的行驶信息欺骗攻击检测

作者：梁乐威; 陈宇峰^*; 向郑涛; 游康祥; 周旭

来源：江苏理工学院学报, 2023, 29(06): 31-39.

DOI：10.19831/j.cnki.2095-7394.2023.06.014

• 车载自组织网络
• 攻击检测
• 深度学习
• 欺骗攻击

当联网车辆遭受网络攻击时，会向外广播虚假行驶信息，从而误导周边车辆，极易引发交通事故。针对这一问题，文章提出了一种基于一维卷积神经网络（CNN）和长短期记忆神经网络（LSTM）的组合深度学习模型，通过提取车辆行驶信息的有效特征对模型进行训练，并对车联网环境下的速度与位置等行驶信息的欺骗攻击进行检测。在VeReMi Extension数据集上验证了模型的有效性，实验结果表明：所提方案对比单一的CNN、LSTM模型在召回率指标上分别提升了8.7%和6.1%，在F1分值上分别提升了4.6%和4.1%。

• 单位
  湖北汽车工业学院