公开(公告)号：CN118890165A

公开(公告)日：2024-11-01

申请号：CN202410777024.1

申请日：2024-06-17

Applicant: 苏州大学

Inventor： 罗喜召 ,  方介泼 ,  陶重犇 ,  丁正言 ,  张超

IPC: H04L9/40 ,  G06N3/0442 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0455 ,  H04L41/16

Abstract: 本发明公开基于GAN和LSTM‑Autoencoder的车联网无监督入侵检测方法及系统，属于车联网安全领域；基于GAN和LSTM‑Autoencoder的车联网无监督入侵检测方法包括：从CICIDS2017数据集和IoT‑23数据集中获取数据，并分别进行预处理；通过生成对抗网络生成与异常数据相似的数据，来训练LSTM‑Autoencoder模型；利用LSTM‑Autoencoder模型重建输入数据，并通过重构误差设置阈值，用于异常数据检测；通过生成器和判别器的对抗，可以得到一个紧密有界的法向特征空间，从而解决边界异常数据难以检测的问题。

公开(公告)号：CN118900189A

公开(公告)日：2024-11-05

申请号：CN202410777027.5

申请日：2024-06-17

Applicant: 苏州大学

Inventor： 罗喜召 ,  方介泼 ,  陶重犇 ,  丁正言 ,  张超

IPC: H04L9/40 ,  G06F18/10 ,  G06F18/213 ,  G06F18/23 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/084 ,  H04L41/16 ,  H04L67/10

Abstract: 本发明公开基于Transformer和自动编码器结合的边缘计算入侵检测方法及系统，属于车联网安全领域；基于Transformer和自动编码器结合的边缘计算入侵检测方法包括：从数据集中获取数据，并进行数据预处理；使用堆叠自编码器从预处理后的数据中提取空间特征；通过变分模态分解方法结合多头注意力机制从预处理后的数据中提取时间特征，并进行时空特征融合；将高维特征融合成低维数据，然后输入Transformer模型和自动编码器，得到检测结果。其中将Transformer全局学习能力和自动编码器的特征学习能力相结合，使得在保留全局信息的同时，更好地理解局部特征之间的关系，从而可以有效的处理高维数据特征。