基于深度學(xué)習(xí)的輕量級車載網(wǎng)絡(luò)入侵檢測方法

摘要： 現(xiàn)有基于深度學(xué)習(xí)的車載網(wǎng)絡(luò)入侵檢測方法存在計算資源消耗和延遲較高的問題。為減少檢測延遲并提高檢測效果，結(jié)合遷移學(xué)習(xí)構(gòu)建基于可視化和改進(jìn)的MobileNet模型的輕量級車載網(wǎng)絡(luò)入侵檢測模型。將攻擊流量可視化為彩色圖，之后通過雙線性插值方法擴(kuò)大圖像以增強(qiáng)數(shù)據(jù)集并防止模型過擬合。為減少參數(shù)和訓(xùn)練過程中的資源消耗，對MoblieNet進(jìn)行改進(jìn)，并使用遷移學(xué)習(xí)對模型進(jìn)行微調(diào)。實(shí)驗(yàn)結(jié)果表明...