随着互联网、人工智能、云计算、大数据和5G等技术的发展与应用,汽车已经不再像以前一样是一个简单的机械系统,今天的汽车配备了各种各样的ECU以及传感器。现代汽车在功能不断增多,网络连接越来越普遍的趋势下,所暴露的攻击面也越来越大。针对智能网联汽车所面临的攻击威胁,探索适合车载CAN总线的安全防护手段显得格外重要。然而,当前大多数的异常检测模型检测形式比较单一,且可靠性低,并不能满足智能网联车辆安全防护的实际需要。因此,研究智能网联车辆CAN总线异常检测技术具有非常重要的意义。本文在对智能网联汽车的网络体系架构和CAN总线通信协议进行分析的基础上,对其存在的安全问题进行了广泛研究,总结了常见的CAN总线异常检测模型并分析了其优缺点。针对CAN总线面临的攻击威胁,提出异常检测模型。主要工作和创新点归纳如下:(1)从CAN消息数据域角度出发,针对CAN总线消息数据域的特点,将CAN总线消息数据域划分为8个特征,结合马氏距离的方法,对异常检测模型进行设计,提出基于数据域内容的CAN总线异常检测模型。并给出了不同CAN ID正常消息的马氏距离置信区间。对篡改攻击进行模拟,实验证明不同CAN ID的检测率均在92%以上。并对异常检测模型的计算复杂度和内存使用进行了分析,表明该检测模型适合在常见的低端ECU上实现。(2)分析总结了不同CAN ID的正常周期,提取CAN总线消息的时间戳作为新的特征加入到训练样本中。结合多个不同的时间序列算法,采用投票机制对CAN消息数据域内容进行异常决策。(3)从时间域和数据域的角度出发,对不同的攻击行为进行分析,提出了基于时间序列的异常检测模型。对于篡改攻击,其消息的时间周期无异常,但数据域内容是异常的。对于插入攻击,接收到该CAN ID消息的时间间隔要小于其正常周期。对于丢弃攻击,接收到该CAN ID消息的时间间隔要大于其正常周期。实验表明,该检测模型对于篡改攻击,不同CAN ID的检测率在95%以上,检测效果要好于其他已有的异常检测模型(RNN和SVM)。对于插入攻击,随着插入CAN消息数量的增加,检测率也会随之增加。对于丢弃攻击,模型表现出了非常好的检测效果,没有发生漏报情况。智能网联汽车的安全防护是一个相对较新的领域,本文初步研究了适用于车载CAN总线的异常检测技术,对智能网联汽车的安全防护具有积极意义。