基于 AI 的区块链自动车异常检测：实现实时安全与可靠性

自动车 (AV) 的普及带来了重要且迫在眉睫的安全与可靠性问题，必须妥善应对，以保证公共安全并促进其大规模采纳。本研究的贡献在于实现更加安全、可靠且值得信赖的自动交通系统，为在安全关键的 AV 部署中提供更强的异常检测、数据源头可追溯性和实时响应能力。在本研究中，我们开发了一种新框架，将人工智能 (AI) 的强大功能与区块链技术相结合，用于检测和预防自动车中的任何恶意活动，包括传感器故障。通过长短期记忆 (LSTM) 网络，本方法持续监控相关的多传感器数据流，以检测可能代表网络攻击或硬件故障的异常模式。进一步地，该框架采用去中心化平台将传感器数据和异常警报安全存储在区块链账本中，以实现数据不可篡改和真实性，同时提供透明的取证功能。此外，当发现异常时，将部署即时自动响应机制，通过智能合约实现。这使得 AV 系统更抗网络空间攻击和硬件组件故障。此外，我们识别了在处理高频传感器数据、资源受限环境下的计算约束以及分布式数据存储的隐私方面的潜在挑战。