随着新一代汽车行业与移动互联网技术的加速融合,汽车逐步朝着智能化、网联化方向发展。然而,近些年汽车信息安全事件频发,汽车正面临严峻的信息安全威胁。黑客可以利用车内远程接口入侵汽车,通过车载网络不断发送恶意消息,进而实现对汽车的非法控制。CAN bus作为如今应用最为广泛的车载网络总线,是黑客重点攻击对象。因此,对汽车的安全防护亟需解决车载网络的安全问题,尤其是CAN bus的安全威胁问题。目前针对CAN bus的信息安全防护,大多采用加密认证、异常检测和安全架构等方法。然而加密认证和安全架构方案对系统资源要求高,难以快速运用到资源受限的CAN bus中。相比之下,异常检测技术成本低、部署方便,在现有安全防护方法中最具可行性。此外,考虑到CAN bus和免疫系统在内部结构和外部入侵方面存在极大的相似性,本文提出了一种基于增强型树突细胞免疫算法（Strengthened Dendritic Cell Algorithm,Strengthened DCA）的车载CAN bus异常检测方法。论文的主要工作如下:（1）针对DCA算法对无序CAN数据集检测能力不强的问题,提出通过粒子群优化（Particle Swarm Optimization,PSO）搜索CAN数据集最相关特征子集,降低无序数据给DCA算法带来的影响;针对PSO自身收敛特性导致其容易陷入局部最优的问题,提出引入引力搜索算法（Gravitational Search Algorithm,GSA）的强全局搜索能力,增强PSO搜索多样性,提高其搜索精度。然后,将两者混合用于优化DCA算法,提出基于PSOGSA优化的增强型DCA算法。最后将该算法和其它改进型DCA算法对比,验证增强型DCA算法的有效性。（2）设计了一种基于PSOGSADCA的车载CAN bus异常检测模型。该模型主要包括数据层、特征选择层、信号选择层、分类层和输出层。本文从真实汽车上采集CAN数据集用于性能评估。经实验分析,并与现有车载CAN bus异常检测模型对比,设计的PSOGSADCA模型拥有较高的检测性能,平均准确率可达98%以上。此外,在经历多次环境转换后仍能保持在95%以上,说明该模型同样具有良好的稳定性。（3）针对现有研究中很少根据CAN通信矩阵划分CAN报文属性,导致其无法检测到某些代表真实信息的CAN数据,以及异常检测模型中信号选择层的输入信号严重依赖人工经验的问题,设计了一种CAN报文属性匹配规则,实现自适应选择信号。首先通过解析CAN数据库文件得到CAN通信矩阵,并分析车载CAN报文属性。然后根据属性的信息增益和标准偏差设计匹配规则,提取CAN子集中最相关属性分配给DCA算法的输入信号。