發(fā)布時間：2023-06-18 03:20

　　基于通信的列車運行控制(Communication based Train Control,CBTC)系統通過車地間雙向、連續(xù)、大容量通信實現對列車的精準閉環(huán)控制�，F有CBTC系統車地通信主要采用基于IEEE 802.11標準的無線局域網(Wireless Local Area Network,WLAN)技術。WLAN設備工作在開放ISM(Industrial Scientific Medical)頻段,加之IEEE 802.11的設計缺陷,使CBTC系統面臨嚴峻的信息安全威脅。入侵檢測技術能及時發(fā)現網絡中的攻擊行為,為信息安全防御策略的制定提供重要依據。由于CBTC系統車地無線網絡的特殊性,現有入侵檢測技術并不完全適用。本文重點研究基于WLAN的CBTC系統車地無線入侵檢測方法。針對車地無線網絡的特點,從物理層和介質訪問控制(Medium Access Control,MAC)層的特征開展研究,設計入侵檢測器,并融合兩層的檢測結果,進一步提升檢測器的整體性能。本文分別提出了基于離散小波分析的物理層檢測方法、基于隨機森林的MAC層檢測方法和物理層與MAC層融合的檢測方法,并搭建實驗環(huán)境...

【文章頁數】：118 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
        1.1.1 CBTC系統及車地無線網絡介紹
        1.1.2 CBTC系統面臨的信息安全風險
        1.1.3 車地無線網絡入侵檢測研究的重要性
    1.2 研究現狀
        1.2.1 軌道交通入侵檢測研究現狀
        1.2.2 無線網絡入侵檢測研究現狀
    1.3 論文組織架構
    1.4 本章小結
2 CBTC車地無線網絡入侵檢測
    2.1 CBTC車地無線網絡
        2.1.1 WLAN技術基礎
        2.1.2 基于WLAN的CBTC車地無線網絡
        2.1.3 車地無線網絡攻擊場景
    2.2 車地無線網絡攻擊及原理分析
        2.2.1 射頻干擾攻擊
        2.2.2 管理幀攻擊
        2.2.3 控制幀攻擊
        2.2.4 MITM中間人攻擊
    2.3 車地無線網絡入侵檢測方案
        2.3.1 入侵檢測基本流程與要求
        2.3.2 車地無線網絡入侵檢測方案
    2.4 本章小結
3 基于離散小波分析的物理層入侵檢測方法
    3.1 檢測特征RSS分析
        3.1.1 車地無線網絡信道環(huán)境
        3.1.2 RSS數據獲取
        3.1.3 RSS數據分析
        3.1.4 RSS時間序列
    3.2 RSS時間序列離散小波分析
        3.2.1 離散小波分析原理
        3.2.2 離散小波的分解與重構
        3.2.3 RSS時間序列的離散小波分析
    3.3 檢測算法的設計與實現
        3.3.1 檢測算法研究
        3.3.2 檢測流程設計
    3.4 本章小結
4 基于隨機森林的MAC層入侵檢測方法
    4.1 車地無線網絡MAC層數據集構造
        4.1.1 一般入侵檢測數據集
        4.1.2 車地無線網絡數據集
    4.2 隨機森林原理分析
        4.2.1 決策樹原理
        4.2.2 隨機森林原理
    4.3 車地無線網絡MAC層入侵檢測模型
        4.3.1 連續(xù)特征離散化方法
        4.3.2 隨機森林參數分析
        4.3.3 MAC層入侵檢測模型
    4.4 本章小結
5 入侵檢測方法驗證與結果分析
    5.1 車地無線網絡數據收集
        5.1.1 實驗環(huán)境搭建
        5.1.2 車地無線網絡攻擊模擬
        5.1.3 數據收集與處理
    5.2 入侵檢測方法驗證與結果分析
        5.2.1 入侵檢測性能評估指標
        5.2.2 物理層入侵檢測方法驗證
        5.2.3 MAC層入侵檢測方法驗證
    5.3 入侵檢測整體性能分析
        5.3.1 物理層與MAC層融合方法
        5.3.2 入侵檢測整體性能分析
    5.4 本章小結
6 總結與展望
    6.1 工作總結
    6.2 未來展望
參考文獻
圖索引
表索引
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數據集



本文編號：3834677