用于车载网络入侵检测的单类分类
原文中文，约200字，阅读约需1分钟。发表于：。此研究以各种最新的一类分类方法来调查在车载网络中控制区域网络总线上的注入攻击的性能，发现子空间支持向量数据描述方法在所有测试方法中表现最佳，Gmean 约为 85%。
本文介绍了一种名为SupCon ResNet的深度学习模型，用于在CAN总线上处理多种攻击识别，并通过转移学习技术在有限大小数据集上进行性能改进。该模型在两个真实的汽车数据集上评估，结果显示其比其他模型平均将四种攻击的整体假阴性率提高了四倍，并在存储限制和运行时间方面进行了改进。
