基于车云交互的自适应防火墙算法数据集

本研究采用基于机器学习的IDS系统，首先在CAN网络上进行实验检测。主要包括在车端建立信息采集与上传系统，将在车端采集好的实时网络数据上传到云端进行检测，在云端建立基于AI模型的检测系统和规则更新下发系统。云端检测出现异常警报后，日志系统记录异常报文的攻击类型、时间戳和来源，针对异常来源进行规则下发，更新其防护措施，修复漏洞。数据集共包括两类数据文件，其中：（1）自适应防火墙算法代码模型文件，包括数据预处理、模型构建、训练与推理，以及性能评估，支持通过PyTorch框架进行实验配置和模型优化，数据量95.5MB。（2）自适应防火墙算法计算数据文件，记录了车辆网络安全数据、模型训练与测试结果、特征分析以及实验配置等信息，用于支持实验分析、性能评估和攻击行为分类，数据量114MB。