计算机应用

作者：方介泼, 陶重犇

单位：1.苏州科技大学 电子与信息工程学院，江苏 苏州 215009；2.清华大学 苏州汽车研究院，江苏 苏州 215134

关键词：车联网,入侵检测,零日攻击,Transformer,自适应模糊神经网络推理系统

基金：国家自然科学基金资助项目(62372317);江苏省自然科学基金资助项目(BK20220635)

现有机器学习方法在面对零日攻击检测时，存在对样本数据过度依赖以及对异常数据不敏感的问题，从而导致入侵检测系统（IDS）难以有效防御零日攻击。因此，提出一种基于Transformer和自适应模糊神经网络推理系统（ANFIS）的混合车联网入侵检测系统。首先，设计了一种数据增强算法，通过先去除噪声再生成的方法解决了数据样本不平衡的问题；其次，将非线性特征交互引入复杂的特征组合，设计了一个特征工程模块；最后，将Transformer的自注意力机制和ANFIS的自适应学习方法相结合，以提高特征表征能力，减少对样本数据的依赖。在CICIDS-2017和UNSW-NB15入侵数据集上将所提系统与Dual-IDS等先进（SOTA）算法进行比较。实验结果表明，对于零日攻击，所提系统在CICIDS-2017入侵数据集上实现了98.64%的检测精确率和98.31%的F1值，在UNSW-NB15入侵数据集上实现了93.07%的检测精确率和92.43%的F1值，验证了所提算法在零日攻击检测方面的高准确性和强泛化能力。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期