| 基于輕量級密集神經網絡的車載自組網入侵檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>686 K | |
| 標簽： 車載自組網 密集神經網絡 入侵檢測 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：在車載自組網中，攻擊者可以通過偽造、篡改消息等方式發(fā)布虛假交通信息，導致交通擁堵甚至是嚴重的交通事故，而傳統(tǒng)的入侵檢測方法不能滿足車載自組網的應用需求。為了解決現(xiàn)階段車載網中入侵檢測方法性能低且存儲與時間成本高的問題，提出了一種基于密集神經網絡的入侵檢測方法L-DenseNet(Light Dense Neural Network)，通過降低模型復雜性，提升算法訓練速度和部署適應性，使其更適用于車載自組網中的入侵檢測。在VeReMi數(shù)據集上進行對比實驗，結果表明，該方法在識別各類攻擊的精確率和召回率的綜合表現(xiàn)最好，且具有較少的時間成本和存儲開銷。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權所有 京ICP備10017138號-2