基于輕量級密集神經(jīng)網(wǎng)絡(luò)的車載自組網(wǎng)入侵檢測方法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>686 K
標(biāo)簽： 車載自組網(wǎng) 密集神經(jīng)網(wǎng)絡(luò) 入侵檢測
所需積分：0分積分不夠怎么辦,？
文檔介紹：在車載自組網(wǎng)中,，攻擊者可以通過偽造,、篡改消息等方式發(fā)布虛假交通信息,，導(dǎo)致交通擁堵甚至是嚴(yán)重的交通事故,，而傳統(tǒng)的入侵檢測方法不能滿足車載自組網(wǎng)的應(yīng)用需求,。為了解決現(xiàn)階段車載網(wǎng)中入侵檢測方法性能低且存儲與時間成本高的問題,，提出了一種基于密集神經(jīng)網(wǎng)絡(luò)的入侵檢測方法L-DenseNet(Light Dense Neural Network),，通過降低模型復(fù)雜性,，提升算法訓(xùn)練速度和部署適應(yīng)性，使其更適用于車載自組網(wǎng)中的入侵檢測,。在VeReMi數(shù)據(jù)集上進(jìn)行對比實驗,，結(jié)果表明，該方法在識別各類攻擊的精確率和召回率的綜合表現(xiàn)最好,，且具有較少的時間成本和存儲開銷,。
現(xiàn)在下載
VIP會員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。