车载自组织网络(VANET)网络攻击检测数据集

摘要：车载自组织网络（VANET）网络攻击检测数据集是一个面向智能交通网络安全分析的车辆通信数据集，旨在利用车辆运动状态信息与网络通信行为特征识别协同网络攻击行为。

数据集概述

车载自组织网络（VANET）网络攻击检测数据集是一个面向智能交通网络安全分析的车辆通信数据集，旨在利用车辆运动状态信息与网络通信行为特征识别协同网络攻击行为。该数据集包含4000条VANET环境下采集的车辆网络数据记录，通过融合车辆运动参数和通信性能指标，描述车辆节点在动态交通环境中的行为特征与网络交互状态。数据集重点关注车联网环境中潜在的安全威胁，包括DDoS攻击、僵尸网络攻击、Web攻击、端口扫描以及暴力破解等，为构建智能化车联网入侵检测系统、异常行为分析模型和网络安全防护机制提供数据基础。

数据结构与关键特征

该数据集采用结构化表格形式存储，共包含9个输入特征和1个攻击分类目标变量。输入特征主要分为车辆状态特征和网络通信特征两类。其中，车辆状态特征包括车辆唯一标识符（vehicle_id）、车辆速度、加速度以及二维空间位置坐标（position_x、position_y），用于描述车辆节点的运动轨迹和空间分布情况；网络通信特征包括数据包发送速率（packet_rate）、通信延迟、网络吞吐量和同时连接数量（connection_count），用于反映车载网络通信行为和资源使用状态。目标变量attack_type用于表示网络攻击类别，包括正常通信、DDoS攻击、僵尸网络攻击、Web攻击、端口扫描和暴力破解等多种类型，可用于多分类网络攻击检测模型训练。

应用价值与研究方向

该数据集在智能交通系统安全、车联网防御和网络异常检测领域具有重要应用价值，可用于研究VANET环境下的实时攻击识别、异常流量检测和安全态势感知。研究人员可以采用机器学习算法（如随机森林、XGBoost、支持向量机）分析车辆行为与网络攻击之间的关联关系，也可以结合深度学习方法（如LSTM、Transformer、自编码器和图神经网络）挖掘车辆通信网络中的时序变化和节点关联特征。进一步研究方向包括车联网入侵检测系统（IDS）、协同攻击识别、边缘计算安全防护、智能交通网络风险预测以及基于人工智能的动态安全策略优化，为未来自动驾驶和智慧交通基础设施提供安全保障。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-399
文件大小：270K
原创声明：本数据集为整理作品