北京邮电大学:用于车联网安全中 DoS 攻击弹性的高级机器学习方法
论论资讯 ｜ 2024-04-29 ｜
39热度
Heliyon
Explore content
About the journal
Publish with us
Advanced machine learning approach for DoS attack resilience in internet of vehicles security
Ahmed N.; Hassan F.; Aurangzeb K.; Magsi A.H.; Alhussein M.
Published：2024-04-30
DOI：10.1016/j.heliyon.2024.e28844
研究背景
近年来，随着车联网（VANET）的发展，安全性问题日益成为人们关注的焦点。特别是拒绝服务（DoS）和分布式拒绝服务（DDoS）攻击可能通过广播大量数据包来危及网络，导致网络资源被恶意流量堵塞。在这种情况下，现有研究提出了各种技术来应对DoS和DDoS攻击。与传统方法不同，这项研究提出了一种利用机器学习的智能入侵检测系统（IDS）。该IDS利用应用层的公开数据集来缓解DDoS攻击。设计的基于机器学习的IDS依赖于结合随机投影（RP）和随机矩阵分解（RMF）方法，以提高IDS的检测能力。
研究内容
这项研究主要介绍了解决DoS攻击韧性问题的高级机器学习方法。研究使用了随机投影和随机矩阵分解等方法，结合Extra Tree Classifier（ETC）、Logistic Regression（LR）和Random Forest（RF）等多种机器学习模型进行实验验证。这些模型的综合准确率达到了0.98，超过了现有方法。该研究提出的IDS在效率上表现出色，在检测车联网中的DoS和DDoS攻击方面表现出显著性能，确保了车辆通信的完整性和安全性。
研究意义
这项研究的创新点在于提出了一种能够有效检测DoS和DDoS攻击的智能入侵检测系统，为车联网安全领域做出了重要贡献。研究结果为未来保障连接车辆安全打下了基础，为该领域的进一步发展提供了重要参考。
希望这篇文章能够帮助你更好地了解这篇关于车联网安全的研究论文！
学术热榜
查看全部
相关资讯
换一批