随着无线通信技术发展和车辆智能化演变,车辆自组织网络VANET(Vehicle Ad hoc Network)迅速成为网络技术领域的研究热点。车联网作为未来智能交通系统的重要组成部分,它不仅为人们提供舒适的驾乘感受和安全的行车保障,还能提高城市交通调度能力和交通通行效率,保障道路行车安全。然而车联网中车辆节点快速行驶,网络拓扑结构不稳定,因此车联网极易受到安全攻击,尤其是泛洪攻击。泛洪攻击的后果比较严重,有可能导致严重的交通事故。针对当前车联网面临的安全问题,需要有效检测车联网环境下的泛洪攻击,来缓解泛洪攻击对车联网的不良影响。针对以上车联网泛洪攻击的安全问题,考虑到车联网的复杂网络环境以及对检测效率的高要求,本文提出了一种基于Hurst自相似参数的轻量化流量异常检测方法。本文主要做了以下工作:(1)对泛洪攻击和流量自相似性检测的概念以及原理进行了研究,总结出针对车联网流量模型的异常检测机制;(2)对本文基于流量自相似参数的检测原理与流程作了详细分析,并准确构建车联网流量模型;(3)将Hurst算法做了改进,提出了一种新的基于滑动窗口的Hurst计算方法,此方法将长数据序列按滑动窗口划分成较短序列,再使用R/S法计算H值,由滑动窗口依次计算的H值序列得到自相似变化曲线;(4)在路侧单元(RSU)上对流量自相似变化曲线进行检测,发现流量异常变化;(5)在云端统计异常时段的数据包情况来检测出发起泛洪攻击的恶意节点。车联网实际网络流量仿真结果表明,改进后的Hurst算法不仅能适应长数据序列,还能够保证计算速度和精度。本文提出的流量异常检测方法不仅在单次不同强度攻击情况下能够有效检测出异常流量,而且在多次攻击情况下对异常流量同样具有较好的检测能力。此方法既能缓解RSU和云端的计算处理压力,还能减轻检测机制带来的网络带宽压力。