人工智能在车联网信息安全的应用

人工智能在车联网信息安全的应用

1、人工智能的发展

2、人工智能技术特点与优势

将人工智能应用到网络安全管理领域可以提高工作效率，相较于传统的网络安全技术，不论是从速度，效率以及可操作性都显著提高，其具有以下特点：

（1）具有处理模糊信息能力

人工智能技术具有处理未知问题的能力。人工智能技术一般采用模糊逻辑的推理方式，不用非常准确的描述数据模型。网络中存在大量不确定也不可知的模糊信息，处理这些信息比较困难。在计算机网络安全管理中应用人工智能技术，可以提高处理信息的能力。

（2）具备学习能力和非线性处理能力

人工智能不同于传统的网络安全处理模式，它最大的特点是它具有一定的学习能力，这一点的优势在处理信息时表现得尤为明显，因为网络中的信息量往往是庞大的，但是许多信息都是简单的，及其容易理解，却可能有有效信息，想要从海量的信息中挖掘出有效的信息，首先要做的就是学习，推理这些简单的信息，人工智能的优势就在于这里。

（3）计算成本低、效率高

传统网络安全技术消耗的能源量惊人，人工智能在这一方面则有很大的改善，它对于能源消耗速率特别低。因为人工智能采用的是新的算法，即控制算法。这种算法可以利用最优解可以一次性完成计算任务，有效减少资源消耗力度，实现绿色节能。另外，使用这种方法可以保证网络技术的高速性。

3、人工智能在车联网信息安全中的应用

车联网本质上是传统移动自组织网络MANET（Mobile Ad-hoc NetWork，MANET）的一种特殊表现形式，因此除了具备MANET网络的特点以外车联网还具备一些其独特的特征：

（1）组网灵活，网络规模变化空间较大。只要位于彼此通信范围，车联网中的任意两个移动车辆均可以随时自组织地建立无线通信链接。同时组网的规模受道路上的车流分布影响较大，车辆稀疏时很容易出现通信孤岛，车流分布均勾时，网络规模可以覆盖整条道路。

（2）V2V和V2R两种通信模式共存。通过V2V通信，相邻车辆之间可以实现短距离的交通信息共享。车辆通过与路边的基础通信单元建立链接，除了实现交通信息更长距离的分发以外，还可以享受更加丰富的互联网服务。另外，在很多MAC协议的设计中，路边单元还可以担任移动车辆访问无线信道的协调者。

（3）通信节点移动速度快而且运动轨迹可预测。由于车联网中的通信节点附着在高速移动的车辆上，所以通信节点的位置跟随移动车辆快速变化。但是与网络中节点的随机运动模型不同，车辆的运动轨迹受道路拓扑结构限制，因此车联网中通信节点的运动轨迹是可以预测的。

（4）网络的拓扑与连通性随着车辆的移动变化迅速。车联网中无线通信允许的最大范围是1000米，而车间距离会随着车辆位置的高速移动迅速变化，以180km/h速度相背而行的两车无线通信的连通时间也仅能持续10秒钟，因此相比传统的网络，车联网的网络连通性和拓扑结构变化更加迅速。

（5）无线信道的通信质量更加不稳定。车与车之间是通过无线电波传输数据的，移动车辆周围复杂多变的交通环境会对无线电波传输产生不可忽略的干扰。尤其是城市环境下密集的高层建筑会加重信号的多径效应和阴影效应，同时由车辆之间相对的高速运动诱发的无线电波多普勒效应也会严重影响到无线通信质量。

层次分析法。层次分析法是通过对风险建立层次结构达到对风险的评估，评估过程主要依照评价者主观思想。其过程主要是基于对各个原始指标重要性的主观排序，经过一系列矩阵运算给每个原始变量确定一个权数。根据以往的经验和文献可以得出，层次分析法不能够做到完全令人信服，达不到预期的效果，其所依据的定性成分太多。并且，层次分析法只适合在指标数数量有限的情况下运用，如果指标数过多，数据统计量大，层次分析法就无法明确其特征值和特征向量的精确求法。

模糊综合评定法。模糊综合评定是运用模糊逻辑和熵理论对风险进行评估，主要是在对信息系统评价的前提下，通过对风险进行分类组合信息系统，以达到对信息安全风险的紧迫性认识的提升。相比较层次分析法，模糊综合评判法更能够专业客观的评估风险。

多层次模糊综合评定法。由于信息系统的复杂性质，需要考虑的因素很多，而且每个因素之间的联系具有层次性， 所以需要采用分层逐级评判的方法，也就是多层次模糊综合评定法。 在风险的评估过程中，通过采用多层次模糊综合评定法，能够有效的解决在评估过程中，定性指标以及定量评估的困难之处。同时，多层次模糊综合评定法还能够科学准确的评定出信息的安全风险级别以及风险程度，这有利于加强对信息安全风险的危害性认识，从而在减少风险、控制风险以及转变风险的过程中做出正确及时的措施。

通过以上三种评估方法，能够有效的评估车联网中的安全风险，及时地发出警告指示，防止严重后果的发生。人工智能技术在信息安全风险评估中发挥着巨大的作用，扮演着越来越重要的角色，合理运用人工智能技术，能够保证风险发生的最小化，掌握这种技术是时代发展的趋势。