| 基于轻量级密集神经网络的车载自组网入侵检测方法 | |
| 所屬分類：技术论文 | |
| 上傳者：aetmagazine | |
| 文檔大小：686 K | |
| 標簽： 车载自组网 密集神经网络 入侵检测 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：在车载自组网中，攻击者可以通过伪造、篡改消息等方式发布虚假交通信息，导致交通拥堵甚至是严重的交通事故，而传统的入侵检测方法不能满足车载自组网的应用需求。为了解决现阶段车载网中入侵检测方法性能低且存储与时间成本高的问题，提出了一种基于密集神经网络的入侵检测方法L-DenseNet(Light Dense Neural Network)，通过降低模型复杂性，提升算法训练速度和部署适应性，使其更适用于车载自组网中的入侵检测。在VeReMi数据集上进行对比实验，结果表明，该方法在识别各类攻击的精确率和召回率的综合表现最好，且具有较少的时间成本和存储开销。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2