申请/专利权人:北京邮电大学
申请日:2024-01-04
公开(公告)日:2024-04-30
公开(公告)号:CN117955704A
主分类号:H04L9/40
分类号:H04L9/40;H04L67/12;G06F18/10;G06F18/213;G06F18/25;G06F18/2415;G06N3/045;G06N3/0464;G06N3/0442;G06N3/048;G06N3/047;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了一种基于注意力的CNN‑BiLSTM算法的车联网入侵检测方法及系统,适用于车联网安全检测。本发明系统包括数据获取模块、数据预处理模块和深度学习检测模块。本发明方法包含:分别获取车内网络和车外网络的流量数据;对流量数据预处理,将16进制的网络数据流转变为向量化的数字序列;使用带有注意力机制的CNN‑BiLSTM模型,分别针对车内网络和车外网络训练对应的检测模型,对实时抓取的网络数据流预处理获取的向量化序列输入相应训练好的检测模型进行检测。本发明能更多保留和提取网络数据流的特征,对复杂网络流量数据进行了精准表征,提高入侵检测准确度,检测结果准确度高,非常适用于目前的车联网入侵检测系统。
主权项:1.一种基于注意力的CNN-BiLSTM算法的车联网入侵检测系统,其特征在于,该系统包括数据获取模块、数据预处理模块和深度学习检测模块;所述的数据获取模块用于获取车内网络和车外网络的流量数据;所述的数据预处理模块分别对输入的流量数据进行预处理得到向量化序列,预处理包含数据格式转化,将16进制的网络数据流转变为有序数字序列;所述的深度学习检测模块使用带有注意力机制的CNN-BiLSTM模型建立检测模型,分别使用车内网络和车外网络的流量数据训练样本训练相应的检测模型;通过数据获取模块实时抓取车内网络或车外网络的流量数据,通过数据预处理模块对实时抓取的网络数据流进行预处理,将获取的向量化数字序列利用训练好的检测模型进行检测,输出分类结果,分类结果为判断输入是否是正常数据或者是属于某种入侵方式的攻击数据;其中CNN表示卷积神经网络,BiLSTM表示双向长短记忆网络。
全文数据:
权利要求:
百度查询: 北京邮电大学 基于注意力的CNN-BiLSTM算法的车联网入侵检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。