基于梯度提升决策树算法的控制器局域网总线异常检测

车辆的网联化和自动化已成为汽车发展的必然趋势,控制器域网(controller area network,CAN)是汽车总线网络中最常用的协议,但由于它没有足够的安全功能,如消息加密和发送者身份验证,无法保护车辆网络免受攻击,因此有必要制订适当的对策来保证CAN的安全。由此提出一种针对数据域的CAN总线异常检测模型,使用真实车辆构建的数据集进行试验研究,在没有总线报文标识功能的情况下,根据每个标识符(identifier,ID)的数据域分布特点,实现了基于梯度提升决策树(gradient boosting decision tree,GBDT)算法的混合模型。模拟攻击试验结果表明,该异常检测模型在抵御篡改数据域消息方面具有较高的准确率。