车联网安全事件检测分析和主动赋能系统的研究与实现
发布时间：2020-12-21 03:08
车联网是目前最具潜力的产业之一,随着大数据计算的日益成熟,5G网络的开放普及,车联网会越来越展现出可靠和创新的一面。在车联网领域的探索,无论是从技术层面的提升还是车联网平台服务的新思路,都是具有价值的。车联网安全是车联网发展中的一个重要课题,它涵盖了车联网的网络信息安全和车辆安全两方面。通过对国内外各种车联网体系的研究发现,车联网运行过程中常常伴随着各类安全事件,从网络信息安全事件到用户行为所引发的安全事件。本文正是研究如何应对车联网环境中的各种事件,借助大数据计算优势实现对安全事件实时检测分析,并辅以预案处理,希望能从另一个层面提升车联网生态的整体安全性。车联网安全事件检测分析和主动赋能系统是针对车联网中出现的安全事件所提出的解决方案,其包括以下几个方面:1、安全事件分级算法。通过对现有与车辆安全相关的国际标准研究以及对各类车联网安全事件统计与分析,结合模糊数学的相关知识,提出对所有类型的安全事件的统一等级划分算法,并使结果符合ISO-26262的安全评级标准。安全事件的分级是系统后续各项功能运作的基础。2、安全事件的生命周期管理。采用Flink流式计算框架和Kafka消息中间件对车...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：109 页
【学位级别】：硕士
【部分图文】：
车联网系统组成原理图
电子科技大学硕士学位论文4图1-2车联网与大数据关系示意图大数据在车联网中的应用场景可以从大数据与车辆产业链、大数据与车主以及大数据与交通监管部门三个方面来谈。首先，基于大数据分析可以解决传统业务中靠人力经验无法解决的痛点问题，以数据来验证、评价、预测相关业务的正确性。还可以根据不同行业特点（如保险公司、车租赁公司等），提供定制化的大数据发布服务，体现“数据运营”的价值。第二，大数据为车主提供一系列车联网实时计算服务，诸如自动驾驶、智能辅助驾驶、安全优化等。同时还可以根据收集到的大数据做用户画像分析车主驾驶风格习惯，改善出行安全。最后，交通监管部门更是可以利用大数据来分析交通拥堵、交通事故产生原因、城市交通规划等问题。1.2.4大数据框架介绍大数据的计算模式主要分为批量计算、流式计算和图计算。其中，批量计算和流式计算两种最主要的大数据计算模式，分别适用于不同的计算场景。第一代大数据计算框架主要指Hadoop，其基于Map/Reduce原理来实现分布式批处理计算。但Hadoop分布式计算属于离线批量计算的范畴，需要提前收集和存储数据，才能对批处理任务进行分布式调度，计算并输出结果[13]。面对越来越多的像车联网这样数据的来源是数据流的情形，流式计算的研究与应用变得更加重要。在互联网公司、开源社区和科研单位的共同努力下，越来越多的流处理计算框架开始面向大众。Storm是较早的流式计算框架[14]，它于2011年被twitter公司宣布项目开源，成为Apache的顶级开源项目。但由于其吞吐量低、开发难度大等原因近年来热度走低。Spark可以算是第二代大数据计算框架，其中的SparkStreaming也是为解决流处理计算而生，因为背靠Spark用户迁移成本较低等优势一度十分流
电子科技大学硕士学位论文182.4.1模糊综合评估法模糊综合评估是一种基于模糊集合的综合评估法，它擅长将定性转化为定量，即利用模糊数学中的隶属度原理来对事物受到的多种非确定数值结果的因素进行综合性判定[35]。模糊综合评估法在解决如何确定车联网信息系统中的安全三要素中的严重度和可控性问题上具有过程严谨，结果清晰的优点。为了便于描述，依据模糊集合的基本概念，对模糊综合评估过程中涉及到的相关术语定义如下：1.评估项()，也称评估因素。是为了方便权重分配和评议而对评估内容做分类。例如价格、性能、各种指标、参数等。对于信息安全事件的评估项就可分为信息机密性、信息完整性等。每个评估项还可以设置下属的二级评估项。2.评估结果()，是指评估项所获得具体评估结果集合。如对严重度的评估结果为：不严重、严重、非常严重等。3．评估结果隶属度（），指评估项对于评估结果的优劣程度。即评估项对于评估结果对应的模糊集的隶属度。通常0≤≤1，1表示完全隶属。4.隶属矩阵()，指由评估结果隶属度d构成的全部评估项对应全部评估结果的隶属矩阵。5.模糊权重向量()，是指评价因素的地位和重要程度，每级级评价结果的权重之和为1。6.综合评估值()：指模糊权向量×隶属矩阵的结果，代表了分配了权重后评估对象的综合评估结果。模糊综合评估的特点是：评估结果多维化，通过对不同程度的评估结果进行打分，来得到多维化的评估结果，避免单一评估过于绝对而导致的准确性丢失。该评估法执行的一般步骤如图2-1所示。图2-1模糊综合评价法流程图
本文编号：2929070
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：109 页
【学位级别】：硕士
【部分图文】：
车联网系统组成原理图
电子科技大学硕士学位论文4图1-2车联网与大数据关系示意图大数据在车联网中的应用场景可以从大数据与车辆产业链、大数据与车主以及大数据与交通监管部门三个方面来谈。首先，基于大数据分析可以解决传统业务中靠人力经验无法解决的痛点问题，以数据来验证、评价、预测相关业务的正确性。还可以根据不同行业特点（如保险公司、车租赁公司等），提供定制化的大数据发布服务，体现“数据运营”的价值。第二，大数据为车主提供一系列车联网实时计算服务，诸如自动驾驶、智能辅助驾驶、安全优化等。同时还可以根据收集到的大数据做用户画像分析车主驾驶风格习惯，改善出行安全。最后，交通监管部门更是可以利用大数据来分析交通拥堵、交通事故产生原因、城市交通规划等问题。1.2.4大数据框架介绍大数据的计算模式主要分为批量计算、流式计算和图计算。其中，批量计算和流式计算两种最主要的大数据计算模式，分别适用于不同的计算场景。第一代大数据计算框架主要指Hadoop，其基于Map/Reduce原理来实现分布式批处理计算。但Hadoop分布式计算属于离线批量计算的范畴，需要提前收集和存储数据，才能对批处理任务进行分布式调度，计算并输出结果[13]。面对越来越多的像车联网这样数据的来源是数据流的情形，流式计算的研究与应用变得更加重要。在互联网公司、开源社区和科研单位的共同努力下，越来越多的流处理计算框架开始面向大众。Storm是较早的流式计算框架[14]，它于2011年被twitter公司宣布项目开源，成为Apache的顶级开源项目。但由于其吞吐量低、开发难度大等原因近年来热度走低。Spark可以算是第二代大数据计算框架，其中的SparkStreaming也是为解决流处理计算而生，因为背靠Spark用户迁移成本较低等优势一度十分流
电子科技大学硕士学位论文182.4.1模糊综合评估法模糊综合评估是一种基于模糊集合的综合评估法，它擅长将定性转化为定量，即利用模糊数学中的隶属度原理来对事物受到的多种非确定数值结果的因素进行综合性判定[35]。模糊综合评估法在解决如何确定车联网信息系统中的安全三要素中的严重度和可控性问题上具有过程严谨，结果清晰的优点。为了便于描述，依据模糊集合的基本概念，对模糊综合评估过程中涉及到的相关术语定义如下：1.评估项()，也称评估因素。是为了方便权重分配和评议而对评估内容做分类。例如价格、性能、各种指标、参数等。对于信息安全事件的评估项就可分为信息机密性、信息完整性等。每个评估项还可以设置下属的二级评估项。2.评估结果()，是指评估项所获得具体评估结果集合。如对严重度的评估结果为：不严重、严重、非常严重等。3．评估结果隶属度（），指评估项对于评估结果的优劣程度。即评估项对于评估结果对应的模糊集的隶属度。通常0≤≤1，1表示完全隶属。4.隶属矩阵()，指由评估结果隶属度d构成的全部评估项对应全部评估结果的隶属矩阵。5.模糊权重向量()，是指评价因素的地位和重要程度，每级级评价结果的权重之和为1。6.综合评估值()：指模糊权向量×隶属矩阵的结果，代表了分配了权重后评估对象的综合评估结果。模糊综合评估的特点是：评估结果多维化，通过对不同程度的评估结果进行打分，来得到多维化的评估结果，避免单一评估过于绝对而导致的准确性丢失。该评估法执行的一般步骤如图2-1所示。图2-1模糊综合评价法流程图
本文编号：2929070
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2929070.html
