基于内存增强自编码器的轻量级无人机网络异常检测模型OA北大核心CSTPCD
Lightweight anomaly detection model for UAV networks based on memory-enhanced autoencoders
为了解决传统智能攻击检测方法在无人机网络中存在的高能耗以及高度依赖人工标注数据的问题,提出一种基于双层内存增强自编码器集成架构的轻量级无人机网络在线异常检测模型.采用基于操作系统的消息队列进行数据包缓存,实现对高速数据流的持久化处理,有效提升了模型的稳定性和可靠性.基于衰减窗口模型计算数据流复合统计特征,以增量更新方式降低了计算过程中的内存复杂度.利用层次聚类算法对复合统计特征进行划分,将分离的特征输入集成架构中的多个小型内存增强自编码器进行独立…查看全部>>
In order to solve the problems of high energy consumption and high reliance on manual annotation data of tra-ditional intelligent attack detection methods in UAV networks,a lightweight UAV network online anomaly detection model based on a double-layer memory-enhanced autoencoder integrated architecture was proposed.The message queue based on the operating system was used for data packet caching to achieve persistent processing of high-speed data streams,whic…查看全部>>
胡天柱;沈玉龙;任保全;何吉;刘成梁;李洪钧
西安电子科技大学网络与信息安全学院,陕西 西安 710126||军事科学院系统工程研究院,北京 100070西安电子科技大学计算机科学与技术学院,陕西 西安 710126军事科学院系统工程研究院,北京 100070军事科学院系统工程研究院,北京 100070||西安电子科技大学计算机科学与技术学院,陕西 西安 710126军事科学院系统工程研究院,北京 100070||西安电子科技大学计算机科学与技术学院,陕西 西安 710126军事科学院系统工程研究院,北京 100070
计算机与自动化
无人机网络异常检测轻量级在线检测内存增强自编码器
UAV networkanomaly detectionlightweight online detectionmemory-augmented autoencoder
《通信学报》 2024 (4)
13-26,14
国家自然科学基金资助项目(No.62220106004,No.61972308)国家自然科学基金重大研究计划基金资助项目(No.92267204)陕西省重点研发计划基金资助项目(No.2022KXJ-093,No.2021ZDLGY07-05)陕西省创新能力支撑计划基金资助项目(No.2023-CX-TD-02)The National Natural Science Foundation of China(No.62220106004,No.61972308),Major Research Plan of the National Natural Science Foundation of China(No.92267204),The Key Research and Development Program of Shaanxi Province(No.2022KXJ-093,No.2021ZDLGY07-05),Innovation Capability Support Program of Shaanxi(No.2023-CX-TD-02)
评论