基于机器学习的车联网安全监控系统 - 数据可视化 - 全国大学生数字媒体科技作品及创意竞赛官网
查看原图

竞赛作品 > 数据可视化

基于机器学习的车联网安全监控系统

  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网(mit.caai.cn)2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。



  • 数据可视化竞赛作品——基于机器学习的车联网安全监控系统

    作品名称:基于机器学习的车联网安全监控系统
    参赛院校:天津理工大学
    指导教师:王春东
    团队成员:戴琦峰 、吴尚 、张若萱
    数媒竞赛网2020年参赛作品
    作品描述:

    “家家有汽车,车车更智能”是现在社会、科技发展的趋势,智能网联车给人们带来便捷,但也存在着安全隐患。汽车内部的数据通过CAN总线(控制器局域网络总线)进行传输,一旦黑客入侵汽车的电子控制单元,CAN总线中的指令就有被伪造、监听的风险,黑客可以实现对汽车的控制,造成严重后果。因此我们开发了一款基于机器学习的车辆网安全监控系统。本系统的主要特色有:

    1.  从车联网信息通讯角度出发,分析CAN总线的帧结构,以及安全隐患和可能带来的问题。

    2.  在客户端,设计行驶信息可视模块,将从CAN总线转化而来的车门状态、车速、发动机转速等信息,生动地展示在前端界面,方便汽车管理员实时查看,可以借此判断汽车是否发生异常;通过环境指数查询接口,获得汽车行驶时的环境因素,管理员可以了解车主的大致行程,并提供行驶建议,提升用户体验。

    3.  在服务器端,将机器学习算法应用于该系统的重要功能模块,对CAN总线数据集进行整理,并模拟注入攻击制作了负样本集,实现对指定ID的CAN总线报文,进行恶意报文检测。

    4.  通过多次比较,选择将逻辑回归算法作为系统的识别算法,其准确率超过为93.66%,运行时间短,较其他算法有显著优势。

    5.  系统具有良好的交互性,界面友好。前端选择使用elementUI等框架及FullCalendar组件进行设计,系统除具有行驶信息查看、模拟攻击、攻击取证等功能外,特别设计日程规划等其他实用性较强的功能。

    6.  系统采取多因素分析的方式,将汽车状况、环境情况、车主行程集合考虑,使系统功能完备,性能提高,进而提升安全监测水平。




数据可视化竞赛作品—中国疫情分布地形图 上一篇

  • 1/15

  • 2/15

  • 3/15

  • 4/15

  • 5/15

  • 6/15

  • 7/15

  • 8/15

  • 9/15

  • 10/15

  • 11/15

  • 12/15

  • 13/15

  • 14/15

  • 15/15

数据可视化竞赛作品—数说“打赏” 下一篇



Copyright © 2001 - 2024 全国大学生数字媒体科技作品及创意竞赛网版权所有

Copyright © 2001 - 2024 数媒竞赛网(http://www.shumeijingsai.com)版权所有