-
公开(公告)号：CN117640215A
公开(公告)日：2024-03-01
申请号：CN202311646862.7
申请日：2023-12-04
Applicant: 安徽大学
IPC: H04L9/40
Abstract: 本发明公开一种基于机器学习和差异隐私的轻量级多级混合入侵检测方法，将差分隐私范式中的拉普拉斯随机噪音加入原始数据集中，对数据集进行数据抽样，采用数据正则化算法对数据集进行正则化；使用特征选择方法从已有的M个特征中选择N个特征，使用特征提取方法对某一模式的组测量值进行变换；单类支持向量机模型检测数据，用来判断数据是否为正常数据；监督学习模型检测已知攻击；无监督学习模型检测未知零日攻击。本发明采用多种机器学习模型，高性能地检测车辆网络中正常流量、已知攻击和未知的零日攻击；还采用了差分隐私技术保护数据的隐私信息。本发明能够实现车联网对攻击的多重检测，防止其受到各种网络攻击。
Search Results
1
records
(took 0.012 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
