近年来,无人驾驶,智能汽车,智慧交通等概念爆发式涌现,汽车已不是以前相对封闭,相对独立的个体结构。为了智能化,汽车需要更加频繁的与外部环境交互,这种交互以车与人,车与车,车与智能交通设备之间通过无线网络或移动网络的通信为基础,从而形成车联网概念。车联网带来了智能便利的同时,也埋下了信息安全隐患,大部分车载终端缺乏有效手段阻止网络攻击行为,如窃取个人隐私,远程控制汽车等会对生命与财产产生严重威胁的攻击。入侵检测是有效的网络安全防护手段之一,本文为解决汽车终端车联网安全问题,提出一种基于神经网络算法的融合主机级别和网络级别的入侵检测系统。本文对设计与实现融合主机与网络的车联网入侵检测系统进行如下工作:1.网络级入侵检测模型设计。车联网可分为基于TCP/IP协议与外部通信的网络和基于CAN总线的车内各个电子控制单元互相通信的网络。本文总结和分析常见的针对两种网络的攻击方式,并基于人工神经网络算法,如卷积神经网络与自编码网络技术,从数据采集,数据预处理,检测引擎三个方面展开设计基于网络的入侵检测模型。2.主机级入侵检测模型设计。车载终端运行着以linux为代表的嵌入式操作系统,在此基础上,进程会执行一系列系统调用,这种程序与操作系统之间的交互过程,可作为主机级别重要的入侵检测数据源,本文以进程的系统调用序列为数据源,对系统调用序列使用词嵌入技术,并设计基于卷积神经网络入侵检测引擎,形成主机级别的入侵检测模型。3.车联网入侵检测系统实现。在嵌入式车载终端上实现融合主机与网络的入侵检测系统,主要包括数据采集模块,预处理模块,检测引擎模块三部分,并将其部署在linux车载终端上。模型训练采用离线训练的方式,在服务器端完成训练并将模型传入车载linux终端上。最后,本文对提出的入侵检测系统进行测试和验证。