.png){kind=icon}
返回
VANET Network Traffic Anomaly Detection Using GRU-Based Deep Learning Model
.png){kind=icon}
PRE
AI
DOI：10.1109/TCE.2023.3326384.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
车载自组织网络 (vanet) 的兴起已导致智能交通系统的重要性日益提高。这项研究提出了一种基于GRU的VANET网络流量异常检测的深度学习模型，以应对这一挑战。消费电子技术可以通过以下两种方式之一成功地引入市场: 使用该技术对客户有明显的好处，或者禁止使用替代品的监管命令所要求的。使用流量异常可以检测未知的攻击和DoS泛洪。用户可以通过使用流量异常检测来跟踪多媒体服务的安全特性，从而提供了流量异常检测分析的概述。异常检测方法分为三类: 无监督，半监督和监督。正确的异常检测技术基本上取决于数据集中的标签。为了进一步提高模型的准确性，提出了一种用于检测VANET网络活动异常的半监督技术，称为semi GRU。结果表明，提出的基于GRU的深度学习模型在检测网络异常方面优于现有方法，误报率低。
Keyword:
Telecommunication traffic
Vehicular ad hoc networks
Anomaly detection
Deep learning
Transportation
Training
Neural networks
intrusion detection system
deep learning
GRU
network traffic
classification
期刊
IF:
10.9
论文数:
5.3K
被引数:
6.8K
机构
查看更多机构
引用论文
Intramolecular Hetero Diels−Alder Reactions of α,α’-Dioxosulfines − A New Access to the [3.3.1]-Bicyclic Skeletonα,α’-二氧代硫亚砜的分子内杂狄尔斯-阿尔德反应——[3.3.1]-双环骨架的新合成途径
PREAI
分享收藏Federated Intrusion Detection in Blockchain-Based Smart Transportation Systems基于区块链的智能交通系统中的联邦入侵检测
PREAI
分享收藏A Deep Learning-Based Intrusion Detection and Preventation System for Detecting and Preventing Denial-of-Service Attacks基于深度学习的入侵检测和防御系统，用于检测和防御拒绝服务攻击.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Cloud-Based Cyber-Physical Intrusion Detection for Vehicles Using Deep Learning基于深度学习的基于云的车辆网络物理入侵检测IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Design and Development of a Deep Learning-Based Model for Anomaly Detection in IoT Networks基于深度学习的物联网网络异常检测模型的设计与开发IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏DeepFed: Federated Deep Learning for Intrusion Detection in Industrial Cyber-Physical SystemsDeepFed: 用于工业网络物理系统中入侵检测的联合深度学习
PREAI
分享收藏Novel Deep Learning-Enabled LSTM Autoencoder Architecture for Discovering Anomalous Events From Intelligent Transportation Systems用于从智能交通系统中发现异常事件的新型深度学习LSTM自动编码器架构
PREAI
分享收藏 查看更多内容