車聯(lián)網(wǎng)是目前最具潛力的產(chǎn)業(yè)之一,隨著大數(shù)據(jù)計(jì)算的日益成熟,5G網(wǎng)絡(luò)的開放普及,車聯(lián)網(wǎng)會(huì)越來越展現(xiàn)出可靠和創(chuàng)新的一面。在車聯(lián)網(wǎng)領(lǐng)域的探索,無論是從技術(shù)層面的提升還是車聯(lián)網(wǎng)平臺(tái)服務(wù)的新思路,都是具有價(jià)值的。車聯(lián)網(wǎng)安全是車聯(lián)網(wǎng)發(fā)展中的一個(gè)重要課題,它涵蓋了車聯(lián)網(wǎng)的網(wǎng)絡(luò)信息安全和車輛安全兩方面。通過對(duì)國(guó)內(nèi)外各種車聯(lián)網(wǎng)體系的研究發(fā)現(xiàn),車聯(lián)網(wǎng)運(yùn)行過程中常常伴隨著各類安全事件,從網(wǎng)絡(luò)信息安全事件到用戶行為所引發(fā)的安全事件。本文正是研究如何應(yīng)對(duì)車聯(lián)網(wǎng)環(huán)境中的各種事件,借助大數(shù)據(jù)計(jì)算優(yōu)勢(shì)實(shí)現(xiàn)對(duì)安全事件實(shí)時(shí)檢測(cè)分析,并輔以預(yù)案處理,希望能從另一個(gè)層面提升車聯(lián)網(wǎng)生態(tài)的整體安全性。車聯(lián)網(wǎng)安全事件檢測(cè)分析和主動(dòng)賦能系統(tǒng)是針對(duì)車聯(lián)網(wǎng)中出現(xiàn)的安全事件所提出的解決方案,其包括以下幾個(gè)方面:1、安全事件分級(jí)算法。通過對(duì)現(xiàn)有與車輛安全相關(guān)的國(guó)際標(biāo)準(zhǔn)研究以及對(duì)各類車聯(lián)網(wǎng)安全事件統(tǒng)計(jì)與分析,結(jié)合模糊數(shù)學(xué)的相關(guān)知識(shí),提出對(duì)所有類型的安全事件的統(tǒng)一等級(jí)劃分算法,并使結(jié)果符合ISO-26262的安全評(píng)級(jí)標(biāo)準(zhǔn)。安全事件的分級(jí)是系統(tǒng)后續(xù)各項(xiàng)功能運(yùn)作的基礎(chǔ)。2、安全事件的生命周期管理。采用Flink流式計(jì)算框架和Kafka消息中間件對(duì)車... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：109 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

車聯(lián)網(wǎng)系統(tǒng)組成原理圖

電子科技大學(xué)碩士學(xué)位論文4圖1-2車聯(lián)網(wǎng)與大數(shù)據(jù)關(guān)系示意圖大數(shù)據(jù)在車聯(lián)網(wǎng)中的應(yīng)用場(chǎng)景可以從大數(shù)據(jù)與車輛產(chǎn)業(yè)鏈、大數(shù)據(jù)與車主以及大數(shù)據(jù)與交通監(jiān)管部門三個(gè)方面來談。首先，基于大數(shù)據(jù)分析可以解決傳統(tǒng)業(yè)務(wù)中靠人力經(jīng)驗(yàn)無法解決的痛點(diǎn)問題，以數(shù)據(jù)來驗(yàn)證、評(píng)價(jià)、預(yù)測(cè)相關(guān)業(yè)務(wù)的正確性。還可以根據(jù)不同行業(yè)特點(diǎn)（如保險(xiǎn)公司、車租賃公司等），提供定制化的大數(shù)據(jù)發(fā)布服務(wù)，體現(xiàn)“數(shù)據(jù)運(yùn)營(yíng)”的價(jià)值。第二，大數(shù)據(jù)為車主提供一系列車聯(lián)網(wǎng)實(shí)時(shí)計(jì)算服務(wù)，諸如自動(dòng)駕駛、智能輔助駕駛、安全優(yōu)化等。同時(shí)還可以根據(jù)收集到的大數(shù)據(jù)做用戶畫像分析車主駕駛風(fēng)格習(xí)慣，改善出行安全。最后，交通監(jiān)管部門更是可以利用大數(shù)據(jù)來分析交通擁堵、交通事故產(chǎn)生原因、城市交通規(guī)劃等問題。1.2.4大數(shù)據(jù)框架介紹大數(shù)據(jù)的計(jì)算模式主要分為批量計(jì)算、流式計(jì)算和圖計(jì)算。其中，批量計(jì)算和流式計(jì)算兩種最主要的大數(shù)據(jù)計(jì)算模式，分別適用于不同的計(jì)算場(chǎng)景。第一代大數(shù)據(jù)計(jì)算框架主要指Hadoop，其基于Map/Reduce原理來實(shí)現(xiàn)分布式批處理計(jì)算。但Hadoop分布式計(jì)算屬于離線批量計(jì)算的范疇，需要提前收集和存儲(chǔ)數(shù)據(jù)，才能對(duì)批處理任務(wù)進(jìn)行分布式調(diào)度，計(jì)算并輸出結(jié)果[13]。面對(duì)越來越多的像車聯(lián)網(wǎng)這樣數(shù)據(jù)的來源是數(shù)據(jù)流的情形，流式計(jì)算的研究與應(yīng)用變得更加重要。在互聯(lián)網(wǎng)公司、開源社區(qū)和科研單位的共同努力下，越來越多的流處理計(jì)算框架開始面向大眾。Storm是較早的流式計(jì)算框架[14]，它于2011年被twitter公司宣布項(xiàng)目開源，成為Apache的頂級(jí)開源項(xiàng)目。但由于其吞吐量低、開發(fā)難度大等原因近年來熱度走低。Spark可以算是第二代大數(shù)據(jù)計(jì)算框架，其中的SparkStreaming也是為解決流處理計(jì)算而生，因?yàn)楸晨縎park用戶遷移成本較低等優(yōu)勢(shì)一度十分流

電子科技大學(xué)碩士學(xué)位論文182.4.1模糊綜合評(píng)估法模糊綜合評(píng)估是一種基于模糊集合的綜合評(píng)估法，它擅長(zhǎng)將定性轉(zhuǎn)化為定量，即利用模糊數(shù)學(xué)中的隸屬度原理來對(duì)事物受到的多種非確定數(shù)值結(jié)果的因素進(jìn)行綜合性判定[35]。模糊綜合評(píng)估法在解決如何確定車聯(lián)網(wǎng)信息系統(tǒng)中的安全三要素中的嚴(yán)重度和可控性問題上具有過程嚴(yán)謹(jǐn)，結(jié)果清晰的優(yōu)點(diǎn)。為了便于描述，依據(jù)模糊集合的基本概念，對(duì)模糊綜合評(píng)估過程中涉及到的相關(guān)術(shù)語定義如下：1.評(píng)估項(xiàng)()，也稱評(píng)估因素。是為了方便權(quán)重分配和評(píng)議而對(duì)評(píng)估內(nèi)容做分類。例如價(jià)格、性能、各種指標(biāo)、參數(shù)等。對(duì)于信息安全事件的評(píng)估項(xiàng)就可分為信息機(jī)密性、信息完整性等。每個(gè)評(píng)估項(xiàng)還可以設(shè)置下屬的二級(jí)評(píng)估項(xiàng)。2.評(píng)估結(jié)果()，是指評(píng)估項(xiàng)所獲得具體評(píng)估結(jié)果集合。如對(duì)嚴(yán)重度的評(píng)估結(jié)果為：不嚴(yán)重、嚴(yán)重、非常嚴(yán)重等。3．評(píng)估結(jié)果隸屬度（），指評(píng)估項(xiàng)對(duì)于評(píng)估結(jié)果的優(yōu)劣程度。即評(píng)估項(xiàng)對(duì)于評(píng)估結(jié)果對(duì)應(yīng)的模糊集的隸屬度。通常0≤≤1，1表示完全隸屬。4.隸屬矩陣()，指由評(píng)估結(jié)果隸屬度d構(gòu)成的全部評(píng)估項(xiàng)對(duì)應(yīng)全部評(píng)估結(jié)果的隸屬矩陣。5.模糊權(quán)重向量()，是指評(píng)價(jià)因素的地位和重要程度，每級(jí)級(jí)評(píng)價(jià)結(jié)果的權(quán)重之和為1。6.綜合評(píng)估值()：指模糊權(quán)向量×隸屬矩陣的結(jié)果，代表了分配了權(quán)重后評(píng)估對(duì)象的綜合評(píng)估結(jié)果。模糊綜合評(píng)估的特點(diǎn)是：評(píng)估結(jié)果多維化，通過對(duì)不同程度的評(píng)估結(jié)果進(jìn)行打分，來得到多維化的評(píng)估結(jié)果，避免單一評(píng)估過于絕對(duì)而導(dǎo)致的準(zhǔn)確性丟失。該評(píng)估法執(zhí)行的一般步驟如圖2-1所示。圖2-1模糊綜合評(píng)價(jià)法流程圖


本文編號(hào)：2929070