分类号TP309.2密级公开
UDC004.6编号10299Z2008032
JIANGSUUNIVERSITY
专业学位硕士学位论文
ProfessionaldegreemastersThesis
基于隐私保护的车联网异常检测方法研究
RESEARCHONANOMALYDETECTIONMETHODFORINTERNETOF
VEHICLESBASEDONPRIVACYPROTECTION
作者姓名李思敏
指导教师韩牟职称副教授
申请学位级别工程硕士专业名称软件工程
论文提交日期2023.05.05论文答辩日期2023.06.02
学位授予单位和日期江苏大学2023.06.16
ClassifiedIndex:TP309.2
UDC:004.6
MasterDissertation
RESEARCHONANOMALYDETECTIONMETHODFORINTERNETOF
VEHICLESBASEDONPRIVACYPROTECTION
BySiminLi
Major:SoftwareEngineering
Supervisor:AP.MuHan
JiangsuUniversity
June,2023
江苏大学硕士学位论文
摘要
车联网包括车辆与周围设备进行通信的车载自组织网络和车辆内部各个系统之间
进行互联的车载网络，它们共同为智能网联汽车提供通信和数据服务。这些服务涵盖
车辆信息处理、车辆状态监测、车辆远程控制等，从而实现车辆的智能化和互联化。
然而，车辆高度的移动性和庞大的联网车辆规模使得车联网的拓扑结构变化频繁；此
外，车联网服务中涉及的车辆、终端、服务器等设备种类繁多，使用场景和应用场景
复杂多变，因此，车联网易受到非法的恶意攻击。基于机器学习的车联网异常检测方
法能够检测并识别恶意攻击，帮助车联网建立可靠的通信服务环境。然而，异常检测
服务需要收集并共享真实车辆通信数据，这一过程存在车辆隐私泄露的风险。针对车
联网通信服务中出现的恶意攻击和异常检测服务中存在的隐私泄露问题，本文对基于
隐私保护的车联网异常检测方法展开了深入研究，并根据车辆通信作用范围提出了两
种解决方案，本文具体研究工作如下：
（）针对车载自组织网络面临的恶意攻击和隐私泄露问题，提出了一种基于差分
1
隐私的车载自组织网络协作异常检测方案。首先，基于MEC边缘服务架构，提出了分
布式GAN网络协作异常检测方案，将生成器与鉴别器分别部署在中央服务器和边缘服
务器上。其次，针对隐私保护机制的缺失带来的协作学习过程中信息泄露的问题，设
计了一种针对鉴别器网络的隐私保护方法DP-T，根据神经元对模型的输出分配隐私预
算，并平滑灵敏度减少冗余噪声。最后，实验结果表明所提方案具有稳定的异常检测
能力，与集中式车载自组织网络异常检测相比，降低了计算和内存负担。
（）针对车载网络面临的恶意攻击和隐私泄露问题，提出了一种