基于SqueezeNet轻量化网络的车载CAN总线入侵检测方法

来源：电子测量技术杂志2026年第5期北京时间：

作者：樊炳，曹燚

单位：1.南京信息工程大学计算机学院 南京 210044; 2.无锡学院网络空间安全学院 无锡 214105

摘要：针对现有基于深度学习的CAN总线入侵检测方法普遍存在结构复杂、资源开销大和延迟较高的问题，本文提出一种基于改进SqueezeNet的轻量化CAN总线入侵检测模型。首先，将CAN报文数据转换为彩色图像，以增强其空间和通道特征的表达能力；其次，引入高效通道注意力（ECA）机制，加强对异常通信特征的细粒度建模；然后，对网络结构进行优化，采用深度可分离卷积和Ghost模块替代标准卷积，裁剪冗余层次以降低计算开销和参数量；最后，统一采用Hardswish激活函数，提升模型非线性表达能力与推理效率。在Car-Hacking公开数据集上的实验结果表明，所提方法达到100%的检测准确率，模型大小仅为0.35 MB，平均响应时间为1.6 ms，具备高性能、低延迟及低资源占用的部署优势。

关键词：控制器局域网络;车载网络;SqueezeNet;入侵检测;注意力机制;轻量化

基金资助：无锡市“太湖之光”科技攻关（基础研究）项目（K20241046）、2023年度江苏高校哲学社会科学研究一般项目(2023SJYB0919)、国家传感网工程技术研究中心开放课题基金（2024YJZXKFKT02）、无锡学院高层次人才科研启动专项经费(2022r043)资助