小样本条件下列车通信网络攻击样本生成方法

2023-12-21 09:43:28王立德闫海鹏
西南交通大学学报 2023年6期
关键词:实验检测方法

岳 川,王立德,闫海鹏

(北京交通大学电气工程学院,北京 100044)

随着列车通信网络(TCN)对通信速率及智能化需求的不断增加,基于以太网的列车通信网络(ETCN)因其带宽高、兼容性强及开放性好等优点,正逐步成为现今智能列车的首选网络架构[1].但ETCN的应用给列车带来通信便利之时,也引入了诸多网络安全隐患[2].作为基础性公共设施,列车的网络安全至关重要,应当采取有效的措施来提高其安全防护能力.

入侵检测在网络安全领域扮演着重要的角色,可以发现网络入侵行为并发出告警[3].近年来,深度学习已成为入侵检测方法的主流选择,其优势发挥通常是以充足的数据样本为基础,但在入侵检测领域,小样本问题(模型训练时攻击样本数量过少)仍然阻挠深度学习方法发挥其应有的检测能力.网络攻击多为偶发事件,攻击报文数量往往有限,对于列车通信网络,攻击者更加追求“悄无声息”地入侵,攻击样本往往数量更小,小样本问题更加凸显,使模型没有充足的信息可以学习.同时,由于正常报文数量巨大,也会进一步导致类不平衡问题,即训练数据中各类别分布不均衡,导致深度学习模型倾向于学习正常样本的特征,而轻视关键的攻击样本.

数据增广是解决小样本问题的主流方法,即利用特定方法扩充小样本数据的数量[4].传统的数据增广方法主要为过采样方法,例如:文献[5]使用合成少数过采样法(SMOTE)来扩充小样本数据,提升了入侵检测的准确率;……

登录APP查看全文

猜你喜欢
实验检测方法
记一次有趣的实验
做个怪怪长实验
NO与NO2相互转化实验的改进
实践十号上的19项实验
太空探索(2016年5期)2016-07-12 15:17:55
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