随着车联网技术的不断革新，网联汽车越来越普及，在方便人们生活的同时，也存在着潜在的威胁。控制器局域网（ControllerAreaNetwork，CAN）是汽车中最常用的通信网络，但在设计之初并没有考虑到安全性能。本文提出的异常检测算法是将机器学习中的随机森林、支持向量机、逻辑回归和GBDT应用在Stacking集成模型上，当车辆受到攻击时，能及时检测并报警。在Car-Hackingdataset上进行仿真，结果表明，该模型能够识别车载网络中的攻击，具有高的准确率和F1得分。