典型文献
基于深度学习的车载网络入侵检测研究
文献摘要：
针对日益严峻的车载网络安全问题,提出一种基于卷积神经网络(CNN)的车载网络入侵检测模型.针对车载网络流量数据的特点,首先通过引入GAF编码将车载网络一维时间序列数据转换为二维矩阵,再转换为图片作为CNN网络的输入;为提高CNN网络性能,选择VGG网络作为主干网络,并对VGG网络的损失函数、隐藏层激活函数、分类器、权值初始化等进行优化;最后在通用的DoS攻击数据集和Fuzzy攻击数据集上进行仿真验证.仿真结果表明,所提GAF编码+VGG网络的入侵检测模型可实现汽车CAN总线的DoS攻击和Fuzzy攻击检测,整体检测准确率达到99％以上,且相较于Reduced Inception-Resnet网络入侵检测模型,所构建的入侵检测模型在F1值等指标上更有优势.
文献关键词：
车载网络;CAN总线;入侵检测;VGG网络
中图分类号：
作者姓名：
吴珊
作者机构：
咸阳职业技术学院汽车学院,陕西 咸阳 712000
文献出处：
引用格式：
[1]吴珊-.基于深度学习的车载网络入侵检测研究)[J].机械设计与制造工程,2022(09):65-69
A类：
+VGG
B类：
车载网络,网络入侵检测,网络安全问题,入侵检测模型,网络流量,流量数据,GAF,时间序列数据,数据转换,二维矩阵,网络性能,主干网络,损失函数,激活函数,分类器,权值,初始化,DoS,Fuzzy,仿真验证,CAN,总线,攻击检测,检测准确率,Reduced,Inception,Resnet
AB值：
0.265986
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
