计算机工程与科学

作者：刘沛, 刘昌华, 林俏伶

单位：武汉轻工大学数学与计算机学院，湖北 武汉 430048

关键词：入侵检测,集成学习,特征堆叠,车联网,

基金：湖北省高等学校省级教学研究项目 (2022343)

随着车载网络复杂性的提高和车辆与外界连接方式多样性的丰富，车联网面临的网络安全风险大幅度上升。针对现有入侵检测的特征提取不充分、模型分类不够精确等问题，提出了一种基于特征堆叠与集成学习的车联网入侵检测模型。该模型通过将一维数据流量按照特征步进行切分，在第三维度上进行堆叠转化为图像，并使用VGG19模型提取特定类型的特征，Xception模型捕获通道内和通道间的信息，Inception模型处理复杂类别图像获取多尺度信息，3个模型集成CS-IDS模型。在2个开源的车联网数据集Car-Hacking和流量数据集CIC-IDS2017上测试了该模型，分别获得了99.97%和96.44%的F1分数，且该模型可在12 ms内完成单条流量的快速检测，表明了所提CS-IDS模型的有效性和可用性。

来源：2024年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第12期