车联网异常行为识别数据集
数据来源：互联网公开数据
标签：车联网,车联网络,VANET,异常行为检测,机器学习,交通网络安全
数据概述：
本数据集来源于Mendeley公开数据，是VeReMi Extension项目的一部分，用于研究车联网络（VANETs）中的异常行为检测。数据集基于Kamel等人于2019年发布的原始数据，结合Luxembourg SUMO Traffic（LuST）场景的车辆轨迹数据，经过处理整合而成。数据集包含39个子集，最终合并为一个CSV文件，记录了车辆在网络中的行为数据，包括正常行为及多种异常行为类型。数据集中包含日志文件和真实数据文件，通过映射处理，形成一个带有分类标签的标注数据库。数据集总计3,194,808个实例，其中正常行为类占59.488%。
数据用途概述：
该数据集适用于车联网络中的异常行为检测研究，可为人工智能、网络安全、交通管理等领域提供支持。研究人员可利用此数据集进行分类模型训练，识别车辆网络中的故障行为（如位置偏移、速度异常等）及攻击行为（如拒绝服务、数据重放等）。此外，数据集可用于验证异常行为检测算法的性能，支持学术研究和工业应用中的模型优化与安全性评估。
