.png){kind=icon}
返回
Efficient Malicious UAV Detection Using Autoencoder-TSMamba Integration
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-99568-2_25.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
恶意无人机（UAVs）对下一代网络（NGNs）构成重大威胁，带来未经授权的监视、数据窃取和危险材料投递等风险。本文提出了一种集成的（AE）-分类器系统来检测恶意无人机。所提出的AE基于4层三向空间Mamba（TSMamba）架构，有效捕捉识别恶意无人机活动至关重要的复杂空间关系。第一阶段通过AE生成残差值，随后由基于ResNet的分类器进行处理。该分类器利用残差值实现更低的复杂度和更高的精度。我们的实验在二元和多类分类场景中均显示出显著改进，召回率最高达到99.8%，优于基准的96.7%。此外，我们的方法降低了计算复杂度，使其更适用于大规模部署。这些结果突显了我们方法鲁棒性和可扩展性，为NGN环境中的恶意无人机检测提供了有效解决方案。
Keyword:
AI
TSMamba
UAV detection
Computer Vision
期刊
P
IF:
0
论文数:
26
被引数:
0
机构
引用论文
SVM‐SFL based malicious UAV detection in wireless sensor networksPrasad, S.V.R.V.; Khilar, P.M. 基于SVM-SFL的恶意无人机检测在无线传感器网络中的应用。Concurr. Comput. Pract. Exp. 2024, 36, e8049. [Google Scholar] [CrossRef]
PREAI
分享收藏Malicious UAV Detection Over Rician Fading Channel: Performance AnalysisRician衰落信道上的恶意无人机检测: 性能分析.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
Maheswari, G.; Vinith, A.; Sathyanarayanan, A.S.; Sowmi Saltonya, M. An Ensemble Framework for Network Anomaly Detection Using Isolation Forest and Autoencoders. In Proceedings of the 2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems (ADICS), Chennai, India, 18–19 April 2024; pp. 1–6. [Google Scholar] [CrossRef]Maheswari, G.; Vinith, A.; Sathyanarayanan, A.S.; Sowmi Saltonya, M. 基于孤立森林和自编码器的网络异常检测集成框架。在2024年数据工程和智能计算系统进展国际会议（ADICS）会议录，印度金奈，2024年4月18–19日；第1–6页。 [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容