基于神经网络的自动驾驶技术

项目名称

基于神经网络的自动驾驶技术

项目资料

技术领域：电子信息

单位名称：圣彼得堡国立理工大学

项目简介

神经网络入侵检测系统旨在检测针对无人驾驶，自动化和联网车辆（汽车、飞机、水上车辆）的网络威胁。基于神经网络入侵检测系统专门设计用于解决该问题的三个方法：生成初始样本的方法，训练人工神经网络的方法和测试人工神经网络的方法。

初始样本的形成和数据的准备，是构建人工神经网络最困难的任务之一。源数据被转换成可以馈送到网络输入的形式，转换后的数据称为数据集。正确准备数据集可以使人工神经网络更快地学习，并在输出端产生更准确的结果。初始数据采样的复杂性在于，对真实系统的研究和测试非常昂贵且难以实施，因此需要使用各种网络模拟器来研究动态网络和安全配置文件的行为。现有的数据集（例如KDD和DARPA）是专门为传统计算机网络设计的，而我们开发的方法考虑了VANET / MANET等现代动态分散网络的具体情况。

通过使用网络模拟器，对移动运输环境进行建模以及对典型网络威胁情景的详细研究，可以实现最大的真实感。1、确定了VANET/MANET网络中最常见的网络攻击迹象：2、DoS：从具有最小时间间隔的特定IP地址；3、DDoS：从使用TCP握手的大量主机；4、黑洞--攻击者延迟所有数据包，从而导致目标节点的隔离；5、灰洞--攻击者只通过部分数据包，从而导致违反传输的流量；6、虫洞--两个或多个恶意网络节点建立私有通道，影响网络服务的性能，如时间同步、本地化、数据同步。

训练数据集包括网络数据包流量，路由表和数据传输统计信息：

1.网络数据包流量包含有关所有三种类型节点的信息，因为在特定的时间点，每个节点都可以分配为源节点，目标节点或中转节点。这使您能够检测到诸如“黑洞”，“灰洞”和“拒绝服务”之类的威胁。

2.路由表包含有关单个节点的路由表组成的信息，该信息允许检测蠕虫攻击。

3.数据传输统计信息使您可以评估网络节点之间的当前数据传输，并准确确定网络中是否存在数据丢失。如果有，则应考虑网络数据包流量和路由表，以检测攻击。