.png){kind=icon}
返回
Wavelet Transform-Based Bayesian Inference Learning with Conditional Variational Autoencoder for Mitigating Injection Attack in 6G Edge Network
.png){kind=icon}
PRE
AI
DOI：10.32604/cmes.2025.070348.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
未来6G通信将开创创新应用的机会，包括赛博物理系统、边缘计算、支持Industry 5.0以及数字农业。尽管自动化创造了效率，但它也可能引发新的网络威胁，例如信任漏洞和恶意节点注入。拒绝服务（DoS）攻击可以通过用数据噪声淹没网络和系统来停止多种形式的操作。当前异常检测方法需要大量的软件修改，并且仅能检测静态威胁。数据收集对于准确性很重要，但这通常是一个缓慢、繁琐且有时效率低下的过程。本文提出了一种基于小波变换辅助贝叶斯深度学习的概率（WT-BDLP）方法，以缓解6G边缘网络中的恶意数据注入攻击。所提出的方法结合了基于贝叶斯学习条件变分自编码器（Bay-LCVariAE）的异常值检测和基于连续小波变换（CWT）的流量模式分析。Bay-LCVariAE框架允许对生成特征进行概率建模，以促进捕捉感兴趣特征随时间、空间的变化，并识别异常。类似地，CWT允许强调多分辨率谱分析，并允许识别时域相关的频率模式。实验测试表明，贝叶斯概率框架的灵活性在异常检测精度上相较于现有方法有显著提升，最高精度达到98.21%，能够识别异常。
Keyword:
Bayesian inference
learning automaton
convolutional wavelet transform
conditional variational autoencoder
malicious data injection attack
edge environment
6G communication
期刊
C
IF:
2.5
论文数:
354
被引数:
0
机构
引用论文
A Data Attack Detection Framework for Cryptography-Based Secure Aggregation Methods in 6G Intelligent Applications.png)
Electronics
ElectronicsIF0
PREAI
分享收藏A Federated Autoencoder Framework With Explainable AI for Intelligent 6G-IoT Infrastructure OptimizationNallakaruppan, M.; Dhanaraj, R.K.; Shukla, S.; Krishnamoorthi, S.; Kaushal, R.K.; Goyal, M.K.; Basheer, S.; Quasim, M.T. 一种基于可解释人工智能的联邦自编码器框架，用于智能6G-IoT基础设施优化。IEEE 互联网事物杂志. 2025. [Google Scholar] [CrossRef]
PREAI
分享收藏
“Security, trust and privacy challenges in ai-driven 6G networks,” in Computer Science, Engineering and Information Technology, CSEIT (Academy & Industry Research Collaboration Center), , 95–113“AI驱动6G网络中的安全、信任和隐私挑战，” 计算机科学、工程与信息技术，CSEIT（学院与产业研究合作中心），95–113
IF0
PREAI
分享收藏Sanjalawe, Y.; Fraihat, S.; Al-E’Mari, S.; Abualhaj, M.; Makhadmeh, S.; Alzubi, E. A Review of 6G and AI Convergence: Enhancing Communication Networks with Artificial Intelligence. IEEE Open J. Commun. Soc. 2025, 6, 2308–2355. [Google Scholar] [CrossRef]Sanjalawe, Y.; Fraihat, S.; Al-E’Mari, S.; Abualhaj, M.; Makhadmeh, S.; Alzubi, E. 6G与AI融合综述：利用人工智能增强通信网络。IEEE开放通信学会期刊. 2025, 6, 2308–2355. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Detection of False Data Injection Attacks in Distribution Networks: A Vertical Federated Learning Approach分布式网络中虚假数据注入攻击的检测: 一种垂直联邦学习方法
OAAI
OAAI分享收藏A Survey on anomaly detection in IoT: Techniques, challenges, and opportunities with the integration of 6G物联网异常检测研究综述：融合6G的技术、挑战与机遇Computer Networks
Computer NetworksIF4.6
PREAI
分享收藏Edge Computing for Industry 5.0: Fundamental, Applications, and Research Challenges行业5.0的边缘计算: 基础、应用和研究挑战
PREAI
分享收藏
查看更多内容