计算机应用

作者：王地欣, 王佳昊, 李敏, 陈浩, 胡光耀, 龚宇

单位：1.四川师范大学 计算机科学学院，成都 610101；2.电子科技大学 信息与软件工程学院，成都 610054；3.雅安职业技术学院 智能制造与信息技术学院，四川 雅安 625100

关键词：水声通信网络,异常检测,网络安全,特征选择,卷积神经网络,注意力机制

基金：四川省科技支撑计划项目(2022YFG0212);内江市科技孵化和成果转化专项(2021KJFH004);电子科技大学-智小金智能家居联合研究中心项目(H04W210180)

近些年，水声通信网络在水下信息传输方面发挥了至关重要的作用。水下通信信道具有开放性，更易遭受干扰、欺骗和窃听等攻击，因此水声通信网络面临与传统网络不同的安全挑战。然而，传统的异常检测方法直接用于水声网络时的准确率较低，而基于机器学习的异常检测方法虽然提高了准确率，但面临数据集受限、模型可解释性较差等问题。因此，将融合注意力机制的CNN-BiLSTM用于水声网络下的异常攻击检测，并提出WCBA（underWater CNN-BiLSTM-Attention）模型。该模型通过IG-PCA（Integrated Gradient-Principal Component Analysis）特征选择算法有效降低数据集的高维度，并能充分利用多维矩阵水声通信网络流量的时空特征在复杂水声数据中识别异常攻击。实验结果表明，WCBA模型在数据集受限的情况下，相较于其他神经网络模型提供了更高的准确率，并具有较高可解释性。

来源：2025年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第2期