VANETs 中的攻击 / 异常检测

原文约200字，阅读约需1分钟。发表于：。

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。