MMOct, 2019

基于树形结构的物联网智能入侵检测系统

PDF
TL;DR本研究提出了一种基于树形机器学习模型的智能入侵检测系统，可以有效识别自动驾驶汽车网络中的各种网络攻击，并且在高检测率和低计算成本同时实现。
autonomous vehiclesvehicle-to-everything technologyintrusion detection systemcyber-attacksmachine learning models
发现论文，激发创造
  • 一种基于转移学习和优化卷积神经网络的物联网车辆入侵检测系统

    本论文提出了一种基于转移学习和集合学习的基于卷积神经网络和超参数优化技术的 IDS，用于 IoV 系统的网络安全攻击检测以保护现代车辆系统。在实验中，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，表明了其对车内和外部汽车网络中的网络攻击检测的有效性。

    Jan, 2022

  • 车内网络异常检测

    本文讨论了 CAN 总线协议的安全问题，并提出了一种基于人工智能算法的入侵检测系统，旨在通过考虑时间序列特征和攻击频率来准确检测已知的网络攻击。

    May, 2022

  • MTH-IDS：一种面向车联网的多层级混合入侵检测系统

    本文提出一种多层次混合式 IDS，其结合基于签名的 IDS 和基于异常的 IDS，以检测车载网络上已知和未知攻击，实验结果表明，该系统能够以 99.99％的准确度检测到各种类型的已知攻击，并且对于新攻击检测也非常有效。

    May, 2021

  • 通过联邦学习增强车联网中的入侵检测

    本文提出了一个基于联邦学习的入侵检测框架，通过使用 CIC-IDS 2017 数据集，在 Internet of Vehicles (IOV) 中实现去中心化机器学习，采用 SMOTE 来处理类别不平衡，异常观测值检测来识别和移除异常观测值，以及超参数调整来优化模型性能，并通过各种性能指标评估了该框架，展示了其在侦测入侵方面的效果，并能保护敏感数据同时实现高入侵检测性能。

    Nov, 2023

  • VANET 的差分隐私协作入侵检测系统

    本文提出了一种基于隐私保护机器学习的协作入侵检测系统（PML-CIDS），它可以通过应用分布式机器学习算法，实现 VANET 的高效安全检测，并通过差分隐私技术保护数据的隐私性。

    May, 2020

  • 基于 GAN 的车载网络入侵检测系统

    本文提出了一种基于生成对抗神经网络（GAN）的深度学习方法的车载网络入侵检测系统（GIDS），可用于检测未知攻击，实验证明 GIDS 对 4 种未知攻击具有较高的检测精度。

    Jul, 2019

  • 基于集成学习的入侵检测系统保护雾计算物联网环境

    该论文提出利用 NSL-KDD 数据集，结合多个学习器构建集成学习器，提高入侵检测的准确度，在雾到终端架构中实施两个级别的分类，实现入侵检测与精确预防的目的，实验结果表明该 IDS 比其他最先进的方法在该数据集上更为有效。

    Jan, 2019

  • 用于检测 MQTT-IoT 协议攻击的多类分类方法

    我们的工作集中于创建分类模型，以数据集为基础，该数据集包含使用 MQTT 协议的 IoT 系统遭受攻击的帧，以提高入侵检测系统的性能。我们研究了集成方法和深度学习模型两种分类攻击的方法，并取得了非常令人满意的结果。

    Feb, 2024

  • LCCDE: 基于决策的集成框架用于智能汽车互联网入侵检测

    为了保护互联汽车系统免受网络攻击的危害，提出了一种基于机器学习的新型集合入侵检测系统框架 (LCCDE)，在车辆攻击和 CICIDS2017 数据集上的实验表明其检测多种类型的网络攻击的效果显著。

    Aug, 2022

  • 无人机网络中用于多类分类的增强入侵检测系统

    本研究提出了一种新的用于无人机网络的入侵检测系统，采用二元元组表示来编码类别标签，结合基于深度学习的方法进行分类，通过捕捉复杂的类别关系和时序网络模式来增强入侵检测能力，并通过对不同无人机共同特征的交叉相关研究来排除可能误导入侵检测分类的相关特征。使用 UAV-IDS-2020 数据集进行了完整的实验研究，并使用不同的评估指标评估了所提出的入侵检测系统的性能，实验结果显示了所提出的多类别分类器模型的 95% 准确率。

    Jun, 2024