公开(公告)号：CN117932606B

公开(公告)日：2024-10-29

申请号：CN202410266168.0

申请日：2024-03-08

Applicant: 暨南大学

Inventor： 官全龙 ,  张天 ,  黄秀姐 ,  刘志全 ,  方良达 ,  赵山程 ,  何毅舟 ,  杜翠凤 ,  蒋仕宝 ,  巩治国

IPC: G06F21/56 ,  G06F18/2135 ,  G06F18/243 ,  G08G1/01 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。

公开(公告)号：CN117932606A

公开(公告)日：2024-04-26

申请号：CN202410266168.0

申请日：2024-03-08

Applicant: 暨南大学

Inventor： 官全龙 ,  张天 ,  黄秀姐 ,  刘志全 ,  方良达 ,  赵山程 ,  何毅舟 ,  杜翠凤 ,  蒋仕宝 ,  巩治国

IPC: G06F21/56 ,  G06F18/2135 ,  G06F18/243 ,  G08G1/01 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。