-
题名基于增量学习的车联网恶意位置攻击检测研究
被引量：3
- 1
-
-
作者
江荣旺
魏爽
龙草芳
杨明
-
机构
三亚学院
容淳铭院士工作站
-
出处
《信息安全研究》
CSCD
北大核心
2024年第3期268-276,共9页
-
基金
海南省自然科学基金青年项目(620QN287,621QN0901)
海南省自然科学基金高层次人才项目(621RC602)
+3 种基金
三亚学院重大专项课题(USY22XK-04)
三亚学院校级项目(USYYB22-07)
海南省重点研发项目(ZDYF2023GXJS007)
海南省教育厅重点科研项目(Hnky2023ZD-14)。
-
文摘
近年来,车辆恶意位置攻击检测中主要使用深度学习技术.然而,深度学习模型训练耗时巨大、参数众多,基于深度学习的检测方法缺乏可扩展性,无法适应车联网不断产生新数据的需求.为了解决以上问题,创新地将增量学习算法引入车辆恶意位置攻击检测中,解决了上述问题.首先从采集到的车辆信息数据中提取关键特征;然后,构建恶意位置攻击检测系统,利用岭回归近似快速地计算出车联网恶意位置攻击检测模型;最后,通过增量学习算法对恶意位置攻击检测模型进行更新和优化,以适应车联网中新生成的数据.实验结果表明,相比SVM,KNN,ANN等方法具有更优秀的性能,能够快速且渐进地更新和优化旧模型,提高系统对恶意位置攻击行为的检测精度.
-
关键词
车联网
恶意位置攻击检测
增量学习
深度学习
机器学习
-
Keywords
VANET
location attack detection
incremental learning
deep learning
machine learning
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
