车载网络安全的机器学习：综合性综述

机器学习（ML）已成为一种有吸引力且可行的技术，为广泛的应用领域提供有效解决方案。一个重要应用领域是车载网络，其中基于 ML 的方法被证明对解决各类问题非常有用。车载节点与/或基础设施间无线通信的使用使其易受不同类型攻击。在这方面，ML 及其变体在检测攻击和处理车载通信中不同安全问题上日益流行。本文对针对车载网络不同安全问题的基于 ML 的技术进行了综合性综述。我们首先简要介绍车载网络基础与不同类型通信。除传统车载网络外，我们也考虑现代车载网络架构。我们提出了车载网络安全攻击的分类法，并讨论各种安全挑战与需求。我们根据文献中开发的 ML 技术在车载网络应用中的用途对其进行分类。我们阐释了这些 ML 技术在应对各种安全挑战时的解决途径与工作原理，并给出深入讨论。讨论了在车载网络中使用基于 ML 方法的局限与挑战。最后，在总结工作前我们给出了观察与经验教训。