车联网中基于差分隐私的轻量级多级混合入侵检测方法技术

本发明专利技术公开一种基于机器学习和差异隐私的轻量级多级混合入侵检测方法，将差分隐私范式中的拉普拉斯随机噪音加入原始数据集中，对数据集进行数据抽样，采用数据正则化算法对数据集进行正则化；使用特征选择方法从已有的M个特征中选择N个特征，使用特征提取方法对某一模式的组测量值进行变换；单类支持向量机模型检测数据，用来判断数据是否为正常数据；监督学习模型检测已知攻击；无监督学习模型检测未知零日攻击。本发明专利技术采用多种机器学习模型，高性能地检测车辆网络中正常流量、已知攻击和未知的零日攻击；还采用了差分隐私技术保护数据的隐私信息。本发明专利技术能够实现车联网对攻击的多重检测，防止其受到各种网络攻击。

【技术实现步骤摘要】

本专利技术涉及车联网和深度学习技术，具体涉及一种车联网中基于差分隐私的轻量级多级混合入侵检测方法。

技术介绍

1、随着车载技术的不断革新以及联网汽车和自动驾驶汽车已经逐渐地取代传统的汽车，车载自组织网络也不断地发展完善。车载自组织网络支持车辆对一切通信，根据周围环境的性质，车辆对一切通信可以进行划分，包括车辆对车辆、车辆对基础设施、车辆对行人和车辆对网络通信。目前，车载自组织网络支持许多应用，主要集中在交通组织的不同方面，如驾驶辅助、公共安全、收费、道路交通控制、提高交通工具的安全性，也为司机提供方便快捷的信息娱乐服务。

2、车载自组织网络是一个高度断开、高移动性的网络，其中节点具有充足的计算能量和存储容量。车辆的高移动性、密度的可变性、通信方式的多样性和频繁的网络拓扑变化导致了设计和开发车载自组织网络架构存在很多的问题和挑战。也使得车载自组织网络容易受到各种网络攻击，例如拒绝服务、分布式拒绝服务和全球定位系统欺骗攻击等。这些攻击严重威胁车载自组织网络的安全性，降低车载自组织网络的稳定性和健壮性，能够导致车辆故障或者发生交通事故。

本文档来自技高网...

【技术保护点】

1.一种车联网中基于差分隐私的轻量级多级混合入侵检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于机器学习和差异隐私的轻量级多级混合入侵检测方法，其特征在于，所述步骤(3)对差分隐私数据集XDP_1进行正则化的具体过程如下：

3.根据权利要求1所述的基于机器学习和差异隐私的轻量级多级混合入侵检测方法，其特征在于，所述步骤(4)对差分隐私数据集XDP_2进行进行特征选择时，首先使用信息增益算法进行处理，之后使用快速相关性滤波算法进行处理，具体方法为：

4.根据权利要求1所述的基于机器学习和差异隐私的轻量级多级混合入侵检测方法，其特征在于：...

【技术特征摘要】

1.一种车联网中基于差分隐私的轻量级多级混合入侵检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于机器学习和差异隐私的轻量级多级混合入侵检测方法，其特征在于，所述步骤(3)对差分隐私数据集xdp_1进行正则化的具体过程如下：

3.根据权利要求1所述的基于机器学习和差异隐私的轻量级多级混合入侵检测方法，其特征在于，所述步骤(4)对差分隐私数据集xdp_2进行进行特征选择时，首先使用信息增益算法进行处理，...

【专利技术属性】
技术研发人员：张静，肖洁田，仲红，崔杰，魏璐，
申请(专利权)人：安徽大学，
类型：发明
国别省市：