近年来,随着人民生活水平的提高,全国机动车保有量在2020年达到了3.72亿辆。车辆增加带来的拥堵和交通事故对城市的交通系统提出了新的挑战,人们追求着更加安全、便捷、舒适的出行体验。汽车行业选择向智能网联和自动驾驶技术发展,通过V2X通信技术、云平台与大数据和5G技术与城市大脑、智能交通交互,满足人们的出行需求。然而在推进这场变革的过程中也伴随着新的挑战,智能网联汽车的概念使得汽车不再是一个孤立的设备,而是具备了与路侧终端、云端、手持终端等设备通信的功能。同时也意味着汽车对外界暴露了可以入侵自己的接口,且由于传统的车载网络CAN总线在设计初期没有考虑网络信息安全,对于新出现的信息安全威胁完全没有防御机制。因此,为了整个智能网联汽车和自动驾驶等相关概念的进一步发展及实现,针对CAN总线的入侵检测的研究变得至关重要。车载网络的信息安全研究主要分为防御性方法以及检测性方法,其中检测性方法作为整个信息安全的最后防线尤其重要。本文提出了可以有效检验洪泛攻击、重放攻击、篡改攻击和注入攻击的入侵检测系统,用检测性方式针对车载网络CAN总线的异常检测系统展开了如下研究:（1）本文根据CAN总线的通信协议,从其定义的报文帧格式、拓扑方式和仲裁机制入手,分析了CAN总线协议的特点,得出CAN总线信息安全防护脆弱的结论。根据其防护弱点分析不同种类的入侵形式,以及该入侵在总线上的表现特征。（2）设计了CAN总线的入侵检测系统,从数据采集、预处理、基于信息熵的检测模块、基于LSTM的检测模块和报警模块,搭建了本文实验环境、软件和器材,详细描述了异常检测概念,以及用于异常检测的多元高斯分布理论。（3）根据CAN总线的流量特性,设计基于信息熵的检测模块,通过分析正常行驶工况下的总线信息熵,建立阈值库,并设计仿真攻击,实验验证该方法对洪泛攻击和重放攻击的有效性。（4）根据CAN总线的数据场,设计基于LSTM的检测模块,解析正常总线报文信号物理值用于训练LSTM预测模型,该预测模型在序列维度上进行多步预测。通过预测得到的误差矩阵根据多元高斯分布理论建立可能性分布,调试阈值进行异常检测。使用CANoe软件的总线仿真功能,仿真入侵总线,并用F2分数表征模型的性能,分析不同参数的模型对检测性能的影响。本文提出的入侵检测系统能有效检测洪泛攻击、重放攻击、篡改攻击和注入攻击,提高了入侵检测模型的覆盖率和准确率。