VANETs 中的攻击 / 异常检测 原文约200字,阅读约需1分钟。发表于:2024-01-16T00:00:00Z。 提出了一种针对车辆自组织网络中恶意行为的实时检测系统,通过集成统计学和机器学习技术,以简单高效的方式快速检测攻击并识别恶意车辆,同时运用联邦学习提高隐私性和恶意节点检测的效率,以降低误报率。 本论文提出了一种基于转移学习和集合学习的 IDS,用于 IoV 系统的网络安全攻击检测。实验结果显示,该 IDS 在两个公共基准 IoV 安全数据集上表现出超过 99.25%的检测率和 F1 分数,证明了其有效性。 卷积神经网络 网络安全攻击检测 超参数优化技术 转移学习 集合学习