基于二分类前馈神经网络的恶意车辆检测方法技术

本发明专利技术公开了一种基于二分类前馈神经网络的恶意车辆检测方法，对原有前馈神经网络的输入层、中间层和输出层进行改进。原有数据集为车辆发送的消息集合，对原有数据集归一化处理得到增强数据集，并送入二分类前馈神经网络训练，训练数据经过网络特征提取后，通过sigmoid函数得到消息的不可信度，将二元交叉熵损失与采集标注的真实值计算损失值，最后基于网络计算的损失值进行权重更新，得到最优网络；在应用阶段将最优网络部署在GPU设备上，预测时使用socket和仿真平台通信，车辆收到其它车辆发送的消息后，将消息内容发送到二分类前馈神经网络中进行预测。本发明专利技术简化了原有模型，提高了准确率和召回率，降低训练时间成本，实现了前沿技术的实用化。实现了前沿技术的实用化。实现了前沿技术的实用化。

【技术实现步骤摘要】
基于二分类前馈神经网络的恶意车辆检测方法


[0001]本专利技术涉及深度学习恶意车辆检测的
，尤其是指一种基于二分类前馈神经网络的恶意车辆检测方法。

技术介绍

[0002]在车辆网络中，包括车辆和路边单元在内的不同类型的节点可以通过车对车通信或车对基础设施通信进行相互通信和共享信息。它们共享的信息通常包含有关道路事故的警报和更新、交通状况如拥堵、施工和危险天气状况和其他相关交通事件。所有这些交通警报和更新都可以让车辆及时了解各种交通状况，从而提高运输的安全性和效率。尽管车辆网络可能有助于传播这些类型的重要信息，但在解释和使用这些信息时仍应谨慎，因为你通常不知道你在附近的车辆上与谁交流，因为它的机动性很高。当有恶意车辆被恶意共享虚假交通警报和更新以混淆其他车辆时，情况会进一步恶化。
[0003]为了解决恶意车辆检测问题，近年来人们提出信任管理机制。但是，在车辆网络的特定环境中，所有车辆通常以相对较高的速度持续行驶，导致网络拓扑结构迅速变化。因此，车辆很难及时评估与之交互的所有其他车辆的信任度。此外，由于其高度移动和动态特性，车辆网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于二分类前馈神经网络的恶意车辆检测方法，其特征在于，该方法是基于二分类前馈神经网络实现的恶意车辆检测，该二分类前馈神经网络是对原来前馈神经网络进行改进，将原有的输入层为18个神经元、第一个中间层为7个神经元、第二个中间层为7个神经元和输出层为3个神经元的神经网络调整为输入层为15个神经元、中间层为9个神经元和输出层为1个神经元的二分类神经网络，去掉了输入层的三个输入：车辆通信水平、消息发送间隔时间、事故发生地是否可见和输出层的两个输出：预计下一次收到消息间隔和消息重要程度，将原有的两个中间层减少成一个中间层且中间层神经元个数增加至9个；该恶意车辆检测方法的具体实施包括以下步骤：1)前期数据处理，包括对原始数据集进行归一化处理，得到作为训练数据集的增强数据集；其中，所述原始数据集为车辆发送的消息集合，一条消息的内容包括车辆的坐标、事故的坐标、事故发生地的距离、距离车辆最近的路边单元的距离、车辆的信任等级、事故类型、车辆的行驶方向和车辆速度；2)把增强数据集送入二分类前馈神经网络进行训练，训练数据经过网络特征提取后，通过sigmoid函数得到消息的不可信度，将二元交叉熵损失与采集标注的真实值计算损失值，最后基于网络计算的损失值进行权重更新，根据训练过程中迭代的次数进行优化器调整网络参数，更新学习率，且每当特定次数的网络训练后用验证集对网络的训练效果进行验证，迭代进行至验证集的总...

【专利技术属性】
技术研发人员：徐红云，方梓育，封舜，简智彬，旷勇，李彦臻，张筠，王斯霖，张旻宇，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：