時間：所屬分類：學(xué)術(shù)成果常識瀏覽：1次
車聯(lián)網(wǎng)信息安全是汽車行業(yè)重點發(fā)展的方向，所以也是從事汽車行業(yè)發(fā)展領(lǐng)域人員撰寫論文的新方向。不過，考慮到該領(lǐng)域?qū)儆谛屡d領(lǐng)域，論文文獻(xiàn)不是很多，本文給大家分享一些學(xué)術(shù)價值比較高的文獻(xiàn)，希望對大家撰寫論文有所幫助。
車聯(lián)網(wǎng)信處安全方面論文文獻(xiàn)一：大數(shù)據(jù)時代下車聯(lián)網(wǎng)安全加密認(rèn)證技術(shù)研究綜述
摘要：針對車聯(lián)網(wǎng)攻擊風(fēng)險的持續(xù)加劇，車載系統(tǒng)、車載終端、車載信息與服務(wù)應(yīng)用及智能網(wǎng)聯(lián)汽車運營服務(wù)平臺等面臨的網(wǎng)絡(luò)安全威脅凸顯，廣義網(wǎng)絡(luò)攻擊中的信息篡改、病毒入侵等手段已經(jīng)被證明可用于對智能網(wǎng)聯(lián)汽車的攻擊。傳統(tǒng)車聯(lián)網(wǎng)的弱口令認(rèn)證和弱加密的特點，難以滿足當(dāng)前車聯(lián)網(wǎng)領(lǐng)域多網(wǎng)絡(luò)、多節(jié)點安全防護(hù)的要求，國內(nèi)車聯(lián)網(wǎng)安全加密認(rèn)證機(jī)制的缺乏和加密認(rèn)證體系不完善，導(dǎo)致車聯(lián)網(wǎng)通信安全更難得到滿足。為解決車聯(lián)網(wǎng)安全加密認(rèn)證問題，文中對大數(shù)據(jù)時代下的車聯(lián)網(wǎng)安全加密認(rèn)證技術(shù)架構(gòu)進(jìn)行了研究。首先介紹了大數(shù)據(jù)時代下車聯(lián)網(wǎng)安全現(xiàn)狀和車聯(lián)網(wǎng)安全的相關(guān)概念;接著對比分析了當(dāng)前車聯(lián)網(wǎng)的安全架構(gòu)，并提出了大數(shù)據(jù)時代下的車聯(lián)網(wǎng)安全加密認(rèn)證體系，系統(tǒng)地論述了車聯(lián)網(wǎng)安全技術(shù)架構(gòu)以及車聯(lián)網(wǎng)通信模塊的加密認(rèn)證方式;然后將所提架構(gòu)與車聯(lián)網(wǎng)信息安全標(biāo)準(zhǔn)進(jìn)行對比分析，詳細(xì)闡述了車聯(lián)網(wǎng)安全加密認(rèn)證關(guān)鍵技術(shù)和技術(shù)創(chuàng)新性;最后總結(jié)并提出了當(dāng)前車聯(lián)網(wǎng)安全加密認(rèn)證技術(shù)面臨的問題和挑戰(zhàn)。
關(guān)鍵詞：車聯(lián)網(wǎng)安全;安全威脅;網(wǎng)絡(luò)攻擊;安全防護(hù);加密認(rèn)證;
車聯(lián)網(wǎng)信處安全方面論文文獻(xiàn)二：車聯(lián)網(wǎng)環(huán)境下車載電控系統(tǒng)信息安全綜述
摘要：針對未來智能汽車與外界互聯(lián)通信中所面臨的信息安全問題,對車聯(lián)網(wǎng)環(huán)境下車載電控系統(tǒng)信息安全進(jìn)行了研究,以提高車載電控系統(tǒng)防范攻擊能力,實現(xiàn)安全可靠運行.分析了車載電控系統(tǒng)的特點及可能面臨的信息安全威脅,對國內(nèi)外已有的相關(guān)研究成果進(jìn)行歸納和梳理,重點總結(jié)和評述了國內(nèi)外對車聯(lián)網(wǎng)和車載電控系統(tǒng)信息安全研究兩大方向的最新進(jìn)展,進(jìn)而歸納出目前研究存在的問題及未來繼續(xù)研究的趨勢.根據(jù)未來車聯(lián)網(wǎng)環(huán)境對車載電控系統(tǒng)的安全要求及車載電控系統(tǒng)的特點,指出未來應(yīng)重點研究的方向:信息安全模型構(gòu)建方法、輕量化密碼體制設(shè)計及車載信息系統(tǒng)主動防御策略.
關(guān)鍵詞：車載電控系統(tǒng);車聯(lián)網(wǎng);信息安全;主動防御;
車聯(lián)網(wǎng)信處安全方面論文文獻(xiàn)三：基于Spark的車聯(lián)網(wǎng)分布式組合深度學(xué)習(xí)入侵檢測方法
摘要：隨著5G等技術(shù)在車聯(lián)網(wǎng)領(lǐng)域中被廣泛應(yīng)用,入侵檢測作為車聯(lián)網(wǎng)信息安全重要的檢測工具發(fā)揮著越來越重要的作用。由于車聯(lián)網(wǎng)結(jié)構(gòu)變化快,數(shù)據(jù)流量大,入侵形式復(fù)雜多樣,傳統(tǒng)檢測方法無法確保其準(zhǔn)確性和實時性要求,不能直接被應(yīng)用到車聯(lián)網(wǎng)。針對這些問題,提出了一種基于Apache Spark框架的車聯(lián)網(wǎng)分布式組合深度學(xué)習(xí)入侵檢測方法,通過構(gòu)建Spark集群,將深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)和長短期記憶網(wǎng)絡(luò)(LSTM)組合,進(jìn)行車聯(lián)網(wǎng)入侵特征提取和數(shù)據(jù)檢測,從大規(guī)模車聯(lián)網(wǎng)數(shù)據(jù)流量中發(fā)現(xiàn)異常行為。實驗結(jié)果證明,與其他現(xiàn)有模型相比,該模型算法在時間上最快達(dá)到20.1s,準(zhǔn)確率最高可達(dá)99.7%,具有較好的檢測效果。
關(guān)鍵詞：入侵檢測;車聯(lián)網(wǎng);CNN;LSTM;Apache Spark;
相關(guān)知識推薦：一篇論文引用多少參考文獻(xiàn)合適
車聯(lián)網(wǎng)信息安全方面的論文文獻(xiàn)，您還可以通過知網(wǎng)、維普網(wǎng)以及萬方、龍源等平臺查找。提醒大家：論文文獻(xiàn)盡可能選擇近幾年發(fā)表的貼切論文需求的論文文獻(xiàn)，才能起到畫龍點晴的作用。
