学者们对于恶意攻击检测和预防的研究上已经提出了很多办法,但是遗憾的是这些办法不一定适用于车联网。其主要原因有两点:首先车联网恶意攻击主要来源于拒绝服务,篡改和伪装三大主动攻击,传统的检测方法尚未针对车联网对这三种攻击进行优化,因此在车联网中直接使用会降低检测准确率。其次,攻击者一般通过恶意病毒对车联网进行恶意攻击,目前主流应对恶意攻击的方法是被动防御,它的缺点是安全厂商的安全更新始终落后于攻击病毒的更新,这也体现出被动防御在应对恶意攻击时的滞后。本文的主要工作分为两部分:第一部分是对传统的K近邻算法进行改进,得到一种新的检测算法CW-KNN,最后运用构建的车联网恶意攻击模拟数据集进行仿真实验。第二部分是改进传统传染病模型,并且引入反映个体差异的两个因子,得到一种新的预防模型IOV-SIRS,随后对新模型进行平衡解和稳定性分析并最终进行仿真实验。本文通过实验证明新的检测算法对车联网恶意攻击的检测综合性能更加优越。新的预防模型可以对恶意攻击病毒传播走势进行数据评估和计算,并在病毒爆发之前提供对应的策略,从而最大程度地减小新型攻击所带来的危害。与此同时,实验也证实了使用复杂网络思想预测病毒传播趋势可以有效地控制病毒在车联网上的传播。