智能驾驶、智慧交通、云计算以及5G等技术的不断发展与应用,汽车已经不是一个简简单单的出行工具,逐渐朝着网联化、智能化发展。给人们生活带来更加舒适、便捷的体验。然而,随着汽车对外通信接口不断增多,汽车内部网络与外部网络信息交互日益频繁,导致了车联网对外暴露的漏洞越来越多,带来了许多潜在的信息安全隐患,近年来越来越多的汽车信息安全问题也被不断纰漏,网联汽车信息安全受到了各界的高度重视。CAN是汽车最为常用的总线,采用多播通信,无相应安全措施,报文数据域容易受到篡改等攻击,针对CAN总线数报文数据域内容是否发生异常的问题,提出了基于AdaBoost算法的车载CAN总线报文异常检测方法。本论文主要工作如下:(1)分析了CAN总线协议存在的隐患并分析了CAN总线网络容易被攻击的原因,总结了常见的车内网络被攻击的攻击方式及其特点。(2)对于CAN总线报文数据域内容是否发生篡改攻击的问题,采用CART决策树作为基础弱分类器,提出了基于AdaBoost算法的车载CAN总线报文异常检测模型。结合CAN总线报文数据域的特点,将报文数据域的64位数据按照每8位作为一个特征。通过数据预处理将缺失较为严重或者数据错误的报文进行处理,结合所提出的异常检测方法,将正常CAN总线数据报文和异常CAN总线数据报文做出区分。(3)采用真实车辆数据集,对算法进行了仿真验证,并与随机森林模型进行了比较。实验表明本文提出的异常检测模型对于CAN总线网络数据报文内容篡改攻击具有很好的检测效果,算法在资源开销方面优于随机森林算法,比较适用于资源受限制的车载网络环境中。