基于轻量级密集神经网络的车载自组网入侵检测方法*

2022-07-21 07:28:06黄学臻祝雅茹
电子技术应用 2022年7期
关键词:检测方法模型

黄学臻 ,翟 翟 ,周 琳 ,祝雅茹

(1.公安部第一研究所,北京 100044;2.北京交通大学 智能交通数据安全与隐私保护技术北京市重点实验室,北京 100044)

0 引言

随着当前车辆激增,交通拥堵及交通事故等严重影响了社会生活,为了满足人们对于提升出行质量的需求,车载自组网(Vehicular Ad-Hoc Network,VANET),简称车载网,逐渐成为实现智能交通系统的基础之一。虽然VANET 能够为人们的出行质量提供有力保障,但是大量的车辆数据通过无线通信共享,任何交换恶意信息的节点都会损害网络安全性,因此,VANET 的安全性成为了车联网领域的重点研究目标。

为了提高VANET 安全性,避免入侵行为产生的危害,首先需要明确其面临的安全问题。VANET 中入侵行为主要源自于自私的驾驶者和恶意的攻击者,自私的驾驶者主要是为了私利而独享道路、节约自身资源等;恶意的攻击者使车辆无意或有意地在网络中传输不正确的信息(例如错误的位置或速度坐标),影响车载网的正常工作,威胁驾乘者的生命财产安全[1]。然而,面对日益复杂的车载网络环境,传统的入侵检测方法呈现出相当多的问题。其中最主要的问题是:大数据背景下传统入侵检测方法性能低下,存储与时间成本高,准确性不高。

为了有效解决上述问题,本文提出了一种在VANET场景下的高效入侵检测方法,将基于轻量级密集卷积神经网络的入侵检测方法部署在RSU 上,以对车辆发来的消息及时进行检测。实验结果表明,本文所提出的模型在VeReMi 数据集上具有较高的准确率,在各攻击类别和正常类别的识别上均具有稳定的性能。……

登录APP查看全文

猜你喜欢
检测方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
用对方法才能瘦
Coco薇(2016年2期)2016-03-22 02:42:52
四大方法 教你不再“坐以待病”!
Coco薇(2015年1期)2015-08-13 02:47:34
捕鱼