异常检测技术已经被应用于确保解决网络安全和网联车辆安全性等挑战性问题。本文提出了这个领域的先前研究的分类。本文提出的分类学有3个总体维度，包括9个类别和38个子类别。从调查中得出的主要观察结果是：真实世界的数据集很少被使用，大多数结果来自仿真；V2V / V2I通信和车载通信不一起考虑；提议的技术很少针对基线进行评估；网联车辆的安全没有网络安全那么受关注。
作者：GopiKrishnan Rajbahadur1, Andrew J. Malton2, Andrew Walenstein2 and Ahmed E.Hassan1
I.介绍
Velosa等人 [1]预测到2020年将有25亿辆网联车辆上路。车联网是指能够连接到网络的车辆，即它可以与其他车辆（V2V）或基础设施（V2I）进行通信，因而可以增强信息娱乐功能以及可以减少碰撞和避免拥塞[2]复杂的等进行复杂功能的应用。在V2V的情况下，通常建议车辆之间形成车辆自组织网络( VANET )。
虽然网联车辆可以增加乘客的便利性以及行驶的安全性，但它们也很容易受到网络攻击[3]。一些研究[4]、[5]、[6]已经发现并证明了普通车辆中可利用的漏洞。网联车辆连接数量的增加会增加这些漏洞的脆弱性的影响和普遍程度。此外，确保网联车辆的安全性变得至关重要，因此各国政府加大了实现功能性VANET的力度[7]。
本文对自2000年初以来的研究进行了调查和分析，即对网联车辆的安全和网络安全问题进行异常检测。异常检测是识别不遵循预期模式[ 8 ]的数据点或事件的过程。据悉，这是第一项在此背景下调查异常检测使用的研究。我们提出了一个基于3个总体类别和9个子类别的分类法。我们还有38个维度来分类所有的调查论文。
我们调查和分析后得出以下推论：
1）大多数研究（65篇调查论文中有37篇）是在仿真数据集上进行的（65篇调查论文中只有19篇使用了真实世界的数据集）。
2）V2X和车载通信基本上没有被一起探索（65个调查论文中的1个除外），这使得研究比较分散。
3）与网络安全相比，网联车辆的安全性（65份调查论文中只有21份）的研究较少。
4）与基线相比，新提出的采用异常检测技术的方法很少（在65份调查论文中只有4篇），导致我们提出的方法的有效性量化较差。
因此，我们建议，应该更加重视建立基准和基线技术，以此来评估新技术。此外，我们还主张更多地利用真实世界的数据，而不是仿真数据。
论文的其余部分组织如下：我们在第II部分和第III部分探讨相关工作和我们的调查方法，并在第Ⅳ部分提出我们的分类法。
II.相关工作
与当前的调查不同，自20世纪初以来，以前的调查分别考虑了VANET和车载网络。例如，outernali等人[ 9 ]调查了VANETs以及Sakiz等人提出的各种入侵检测方法。[10]全面调查了所有可能的攻击，并提出了与VANETs相关的检测机制。这两项研究都没有考虑可能的基于车载网络的网络安全问题。很少有研究调查车载网络中可能存在的威胁和对策。例如Liu等人、McCune等人和Kelberger等人 [11]，[12]，[13]提出了车载（控制器局域网（CAN），本地互连网络（LIN），FlexRay等）的各种威胁和可能的对策，网络安全问题（基于VANET的问题不是考虑）。我们目前的调查是第一次在网联车辆的背景下审查异常检测技术。
III.调查方法
为了确保可重复性，我们的调查遵循Wholin的滚雪球方法[14]如下。
范围定义：继Chandola等人之后。 [8]我们将异常检测定义为“在不符合预期行为的数据中查找模式”。形成或学习模型，然后监测数据的一致性。
收集初步研究：我们在Google学术中通过关键字搜索确定了一组初始论文。我们这样做是为了避免出版商的偏见。使用的关键词是: "异常检测"、"连接车辆"、" VANET "、" V2I "、" V2V "、"入侵检测"、"不当行为检测"、" CAN总线"、"车内"、"安全"、"安保"。
滚雪球：通过关键词搜索收集的初始集可能并不详尽。因此，我们进行了前后滚雪球式的收集，以收集初始集引用的所有参考文献。然后通过阅读摘要包括或排除论文，然后考虑范围的彻底阅读（从而消除超出我们范围的论文）。这个滚雪球过程被重复进行，直到没有新的相关论文被添加。我们最终研究了有65篇论文。
