摘要:针对车联网中拒绝服务 (denial of service, DoS)攻击难以防范且现有监督学习方法无法有效检测零日攻击的问题, 提出了一种混合DoS攻击入侵检测系统. 首先, 对数据集进行预处理, 提高数据的质量; 其次, 利用特征选择滤除冗余特征, 旨在获得代表性更强的特征; 再次, 采用集成学习方法将5种基于树结构的监督分类器堆叠集成用于检测已知DoS攻击; 最后, 提出了一种无监督异常检测方法, 将卷积去噪自动编码器与注意力机制相结合来建立正常行为模型, 用于检测堆叠集成模型漏报的未知DoS攻击. 实验结果表明, 对于已知DoS攻击检测, 所提系统在Car-Hacking数据集和CICIDS2017数据集上的检测准确率分别为100%和99.967%; 对于未知DoS攻击检测, 所提系统在上述两个数据集上的检测准确率分别为100%和83.953%, 并且在两个数据集上的平均测试时间分别为0.072 ms和0.157 ms, 验证了所提系统的有效性和可行性.