基于深度学习的车联网的路网监测系统的DoS和DDoS攻击的入侵检测方法OA北大核心
面对日益复杂的交通路况,车联网成为提升智能路网监测系统性能的重要保证,它可以实现车载网、车际网、车辆与移动互联网之间的信息交互共享。然而DoS和DDoS网络攻击的频发,成为车联网可用性的严重威胁之一。针对传统入侵检测算法存在训练困难、分类精度低、泛化能力差的问题,提出一种高效的深度学习模型CNN-BiSRU。实验选择在最新的CICIDS2018数据集中进行验证,结果表明,该模型获得了更高的检测精度,而相比于CNN-BiLSTM,CNN-BiSRU拥有更快的检测速度。
曹磊;温蜜;何蔚
上海电力大学计算机科学与技术学院,上海200090上海电力大学计算机科学与技术学院,上海200090上海电力大学计算机科学与技术学院,上海200090
计算机与自动化
入侵检测DoS攻击深度学习车联网路网监测系统
《计算机应用与软件》 2025 (1)
P.303-311,9
国家自然科学基金项目(61872230,61802248,61802249)上海市2019年度“科技创新行动计划”高新技术领域项目(19511103700)。
评论