龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：沈阳化工大学
摘要：本发明公开了一种基于特征选择和时空特征提取的车联网入侵检测方法，属于车联网入侵检测方法，该方法对原始车联网数据集进行预处理，分为数据清洗、标签编码、数据标准化三步。其次，对处理后的数据进行特征选择，通过将基于相关性的特征选择方法CFS与小龙虾优化算法COA相结合构成的新算法筛选出使模型性能最优的特征子集，从而提高模型的训练效率。最后，将筛选的最优特征用于时空特征提取模型中分别提取时间和空间特征，再通过注意力机制加强特征重要性并对时空特征进行加权融合，然后完成分类测试。本发明通过特征选择降低了特征维度，提高了模型检测效率，使用的特征提取模型也充分考虑了车联网的时空特性，提高了对车辆网络攻击的检测率。
主权项：1.一种基于特征选择和时空特征提取的车联网入侵检测方法，其特征在于，所述方法包括如下步骤：步骤S1.输入两类基准数据集，分别用于检测车外网络和车载网络中的异常行为；步骤S2.数据预处理，主要包含三部分内容；首先是数据清洗，去除重复数据和全零值的样本；其次是标签编码，由于原始数据集是包含字符型和数字型特征两类特征，模型的训练需要统一为数值特征，所以将字符型特征通过标签编码技术转换为数值特征，以便直接应用于模型的训练；最后是数据标准化，对编码后的数据进行标准化，目的是消除不同数据之间的量级差异；步骤S3.特征选择，将CFS方法作为度量属性引入到COA算法中构成新的特征选择方法CFS-COA，用于搜索使模型性能最优的特征子集；步骤S4.特征提取，将筛选的最优特征子集扩充为三维张量形式的数据用于时空模型中，利用时间卷积网络TCN和双向门控循环单元BiGRU分别提取时间和空间特征，再通过注意力机制加强特征重要性并将时间和空间特征进行加权融合；步骤S5.分类检测，采用步骤S4提取的特征完成模型分类性能测试，并输出正常型和攻击型的预测结果。
全文数据：
权利要求：
百度查询： 沈阳化工大学 一种基于特征选择和时空特征提取的车联网入侵检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号