面向智能网联汽车安全策略优化的大规模多目标进化算法

摘要/Abstract

摘要： 在ICV安全防御场景中，随着车载网络攻击面的持续扩张，安全策略的决策变量数量急剧攀升，大规模多目标优化中的“维度陷阱”问题显著降低了进化算法的收敛速度，导致算法难以在有限计算资源约束下，同时完成安全覆盖率、实时响应延迟与能耗开销的优化。现有方法通常通过减少决策变量数量或压缩变量搜索范围缓解这一难题，但该方式易引发信息缺失、求解精度下降等问题。文章提出了一种面向智能网联汽车安全策略优化的LMEA-ICV算法，该算法将降维操作与模糊预测进行互补融合，旨在提升安全策略帕累托前沿的准确性。首先，文章设计了一种多阶段策略，逐步降低ICV安全场景中大规模多目标优化问题的复杂度；然后，提出了一种基于竞争群优化器的环境选择机制，以平衡车载防御策略种群的收敛性与对抗多种攻击类型的多样性。为验证所提出算法的性能，在大规模多目标优化问题集上，与4种先进的大规模多目标进化算法开展了对比实验。实验结果表明，本文所提出的基于多阶段策略的大规模多目标进化算法在整体性能上显著优于对比算法。

关键词: 大规模多目标优化, 智能网联汽车, 进化算法, 模糊分解, 问题转换

中图分类号:

TP391

薛明, 王雪. 面向智能网联汽车安全策略优化的大规模多目标进化算法[J]. 信息安全研究, 2026, 12(E1): 254-259.

参考文献

[1] Tanaji A, Roychowdhury S. A Survey of Cybersecurity Challenges and Mitigation Techniques for Connected and Autonomous Vehicles[J]. IEEE Transactions on Intelligent Vehicles, 2025, 10(10): 4742-4757. [2] 徐恪，徐明伟，吴建平. 分布式拒绝服务攻击研究综述[J]. 小型微型计算机系统，2004，25（3）：337-346. [3] Edgar T D .Cybersecurity Lessons for 2026 [EB/OL]. 2026[2026-05-18]. https://academic.oup.com/itnow/article/68/1/24/8512434. [4] Althunayyan M, Javed A, Rana O. A survey of learning-based intrusion detection systems for in-vehicle networks [EB/OL]. 2025[2026-05-18]. http://arxiv.org/pdf/2505.11551. [5] A A Z, B B Y Q, C H L,et al. Multiobjective evolutionary algorithms: A survey of the state of the art[J].Swarm and Evolutionary Computation, 2011, 1(1): 32-49. [6] Cheng R, Jin Y, Olhofer M,et al. Test Problems for Large-Scale Multiobjective and Many-Objective Optimization[J]. IEEE Transactions on Cybernetics, 2017, 47(12): 4108-4121. [7] 王成礼，王洁，陈乃健.基于稀疏子空间聚类算法的高维数据聚类研究[J].自动化与仪器仪表，2025，45（01）：84-88. [8] 黄军付，谭飞，谢涛. 基于精英强化策略的差分进化算法研究[J]. 传感器与微系统，2025，44（10）：134-137. [9] Wang S, Zheng J, Zou J, et al. A Fuzzy Decision Variables Framework Based on Directed Sampling for Large-scale Multiobjective Optimization [EB/OL]. 2023[2026-04-18]. https://dl.acm.org/doi/10.1145/3583133.3590590. [10] Tian Y, Zheng X, Zhang X, et al. Efficient large-scale multiobjective optimization based on a competitive swarm optimizer[J]. IEEE Transactions on Cybernetics, 2019, 50(8): 3696-3708. [11] He C, Cheng R, Yazdani D. Adaptive offspring generation for evolutionary large-scale multiobjective optimization[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2020, 52(2): 786-798.

[1]	蔡立志, 马原, 杨康, . 基于差分进化算法与求解时间预测的智能合约漏洞检测[J]. 信息安全研究, 2026, 12(1): 24-.
[2]	王峥, 宁玉桥, 俞彦辉, 陈阳, 薛世豪, . 智能网联环境下汽车网络安全威胁及其管理体系建设研究[J]. 信息安全研究, 2025, 11(E2): 197-.
[3]	刘宏, 边雨, . 基于车路云一体化的网络安全建设方案探究[J]. 信息安全研究, 2024, 10(E2): 68-.
[4]	尘兴灿, 万明明, 王仲宇, 刘昊, 李程, . 智能网联汽车安全合规测试平台研究[J]. 信息安全研究, 2023, 9(E2): 109-.
[5]	李娇, 张玉清, 吴亚飚, . 网络安全领域小样本命名实体识别方法[J]. 信息安全研究, 2023, 9(E1): 51-.
[6]	于奇, 郭振, 任世轩, 薛世豪, 霍全瑞, . 智能网联汽车信息安全分析及防护策略[J]. 信息安全研究, 2023, 9(E1): 121-.
[7]	霍全瑞, 边臣雅, 于奇, . 智能网联汽车近场通信安全研究与对策[J]. 信息安全研究, 2023, 9(E1): 159-.
[8]	于明明, 宁玉桥, 沈诗雯, 于龙海, 吴青洋, . 汽车网络安全实践性探索与研究[J]. 信息安全研究, 2023, 9(5): 476-.
[9]	刘大鹏. 绿盟车联网安全监测与防护(SDK+SOC)系统[J]. 信息安全研究, 2021, 7(E1): 32-.
[10]	钟永超, 杨波, 杨浩男, 杨毅宇, 王文杰, 徐紫枫. 智能网联汽车安全综述 [J]. 信息安全研究, 2021, 7(6): 558-565.
[11]	修佳鹏田超宇杨正球王志龙. SecOC安全机制中国密算法应用方案研究[J]. 信息安全研究, 2020, 6(9): 0-0.
[12]	张泽樊江伟周南. 基于MEA-LVQ的网络态势预测模型 [J]. 信息安全研究, 2020, 6(6): 0-0.
[13]	贾世准麦松涛李冬陈志远肖静. 智能网联汽车软件安全测试关键技术研究[J]. 信息安全研究, 2018, 4(11): 1025-1028.