汽车内部集成了各种电子控制单元(Electronic Control Unit,ECU)来提高驾驶的安全性和舒适性,随着网联汽车的发展,汽车中也集成了各种传感器和通信设备与外界交互。然而这也为黑客对车载网络的入侵行为提供了各种接口。汽车的安全功能受到攻击,会对驾乘人员的生命安全造成严重威胁,因此如何保护车载网络安全,对入侵活动进行检测,对网联汽车的安全具有重要意义。控制器局域网(Controller Area Network,CAN)总线是汽车中各ECU之间通信的通道。对CAN总线上的流量进行实时监控,能够有效检测汽车内部和外部恶意节点的攻击活动。本文的主要工作和成果如下:首先,研究了车载网络通信架构,根据CAN协议对车载网络通信特点进行了分析。在此基础上分析了CAN协议存在网络安全漏洞及其在当前环境下可能面临的网络攻击威胁。总结了入侵检测技术在车载网络环境下的限制和挑战,并确定了评价指标。然后,文章在基于正常和异常CAN标识符(Identifier,ID)序列特点分析和卷积神经网络用于图像分类的基础上,针对汽车的拒绝服务(Denial of Service,Do S)攻击和模糊攻击,提出了基于格拉姆角场(Gramian Angular Field,GAF)结合简化VGG网络的入侵检测方法。最后,考虑到入侵检测方法在不同品牌汽车环境下的通用性问题,针对在三种品牌汽车上的汽车的Do S攻击,模糊攻击和特定CAN ID欺骗攻击,提出了基于马尔可夫转移场(Markov Transition Field,MTF)结合简化Res Net网络的入侵检测方法。综上,本文通过将CAN ID序列编码为图片和卷积神经网络对图片的特征提取及分类,实现了针对不同品牌汽车的各种主要入侵活动的检测,并通过实验仿真得到对异常报文序列99%以上的检测结果。