一种基于CNN图像识别的CAN总线攻击入侵检测方法

本发明公开了一种基于CNN图像识别的CAN总线攻击入侵检测方法，以应对车联网(VANET)中的多类型网络攻击。首先，将车载CAN网络和外部互联网数据以时间块形式采集，并通过分位数归一化方法转换为彩色图像。分别使用VGG16、VGG19、Xception、Inception和InceptionResNet五种预训练CNN模型对图像集进行训练，并借助粒子群算法(PSO)对模型超参数进行优化。在此基础上，选择表现最优的三个CNN构建集成模型，并采用置信度平均和特征连接两种集成策略提升检测性能。该方法在Car‑Hacking和CICIDS2017两个数据集上实现了优异的检测效果，F1分数分别达到100％和99.925％，展示了其在实时车辆网络安全防御中的可行性与高效性。