实时以太网因为兼容性好、传输速率高、成本低等优点已经在新一代列车上得到了应用。然而,多种业务融合和以太网通信协议的开放性使列车通信网络存在被攻击的风险,对列车的正常运行和旅客的生命财产构成了威胁。在列车实时以太网技术方案中应用相关安全技术对保障列车安全运行有重要意义。本文通过渗透测试技术来测试发掘列车实时以太网的弱点,通过异常检测技术来对列车实时以太网进行有效防护。论文主要研究内容如下:（1）基于列车网络通信协议和网络设备分析了列车实时以太网存在的脆弱性,总结了列车可能受到的网络攻击。为了发现列车实时以太网内存在的脆弱点并测试现有的安全防御措施的有效性,使用Python编程语言完成了模拟各类网络攻击的渗透测试软件设计。针对信息搜集类攻击,实现了IP扫描、端口扫描2种网络攻击的模拟;针对拒绝服务类攻击,实现了SYN泛洪、UDP泛洪、Smurf攻击和MAC泛洪4种网络攻击的模拟;针对身份欺骗类攻击,实现了ARP欺骗、暴力破解和TRDP重放攻击3种网络攻击的模拟。（2）建立了针对列车实时以太网的异常检测与攻击分类模型。为了快速筛分正常数据与异常数据,设计了基于支持向量机的网络攻击异常检测模型,并采用遗传算法对支持向量机的核函数参数进行优化;为了对筛选后异常数据中不同的网络攻击做出响应,设计了两种基于随机森林的攻击分类模型。利用网络安全领域最常采用的基准数据集KDD-99对设计的模型进行了测试。（3）结合本文设计的网络渗透测试软件对列车实时以太网的平台进行渗透测试,分析了各类网络攻击所造成的影响并利用Wireshark软件采集了测试过程的数据。利用新的数据集对异常检测与攻击分类模型进行了验证。综合实验结果表明,列车实时以太网可以利用支持向量机与遗传算法（Genetic Algorithm-Support Vector Machine,GA-SVM）模型进行异常数据的检测。传递正常数据后,可以使用分类与回归树（Classification And Regression Tree,CART）模型区分攻击类型,以更好地完成后续响应和操作。