随着新能源汽车行业的迅猛发展,车载控制器局域网络(Controller Area Network,CAN)安全防护研究的重要性日益递增。为检测CAN总线异常攻击,保障车辆安全,提出一种基于支持向量数据描述(Support Vector Data Description,SVDD)的车载CAN...随着新能源汽车行业的迅猛发展,车载控制器局域网络(Controller Area Network,CAN)安全防护研究的重要性日益递增。为检测CAN总线异常攻击,保障车辆安全,提出一种基于支持向量数据描述(Support Vector Data Description,SVDD)的车载CAN总线入侵检测方法。提取CAN报文标识符和数据域的数据作为特征信息,经过数据预处理和PCA降维后,输入SVDD模型进行入侵检测。在模型训练中,选用高斯核函数以提高SVDD入侵检测模型的拟合能力,减少模型的冗余面积。实验表明,该文方法在保证了较高召回率和F1分数的同时,比传统SVDD模型的准确率提升了9.66%,与其他四种模型对比,其综合性能更好。展开更多
中央空调系统是一个高度非线性的复杂系统,其控制系统的传感器一旦发生故障会导致中央空调机组的运行偏离正常状态,不仅造成能耗浪费而且还引发安全事故。针对中央空调故障监测的问题,本文提出了一种基于SVDD(Support vector data descr...中央空调系统是一个高度非线性的复杂系统,其控制系统的传感器一旦发生故障会导致中央空调机组的运行偏离正常状态,不仅造成能耗浪费而且还引发安全事故。针对中央空调故障监测的问题,本文提出了一种基于SVDD(Support vector data description)在线实时故障监测方法,利用中央空调机组正常的运行数据,首先对数据进行标准化处理,消除变量间的量纲关系,然后建立SVDD模型。通过引入不同程度故障,分析该方法的监测效率。结果表明,基于SVDD的中央空调故障监测效果明显,但对不同变量的不同程度的故障,故障检测的准确率存在一定的差别。展开更多
针对复杂电子对抗场景中的非理想信道环境,该文提出了一种基于深度学习的异常检测(anomaly detection,AD)方法。首先,分析了利用时频同相/正交(in-phase/quadrature,I/Q)采样数据进行AD的可行性;然后,设计了深度学习网络架构,并提出基...针对复杂电子对抗场景中的非理想信道环境,该文提出了一种基于深度学习的异常检测(anomaly detection,AD)方法。首先,分析了利用时频同相/正交(in-phase/quadrature,I/Q)采样数据进行AD的可行性;然后,设计了深度学习网络架构,并提出基于深度支持向量描述(deep support vector data description,Deep SVDD)和调制识别的AD方法。仿真及实验结果表明:相比于经典的单分类检测算法,该方法检测性能和实时性明显提升,且在非理想信道环境下表现鲁棒。该方法已在某型号项目原理样机上得到验证,具有很高应用价值。展开更多
文摘随着新能源汽车行业的迅猛发展,车载控制器局域网络(Controller Area Network,CAN)安全防护研究的重要性日益递增。为检测CAN总线异常攻击,保障车辆安全,提出一种基于支持向量数据描述(Support Vector Data Description,SVDD)的车载CAN总线入侵检测方法。提取CAN报文标识符和数据域的数据作为特征信息,经过数据预处理和PCA降维后,输入SVDD模型进行入侵检测。在模型训练中,选用高斯核函数以提高SVDD入侵检测模型的拟合能力,减少模型的冗余面积。实验表明,该文方法在保证了较高召回率和F1分数的同时,比传统SVDD模型的准确率提升了9.66%,与其他四种模型对比,其综合性能更好。
文摘中央空调系统是一个高度非线性的复杂系统,其控制系统的传感器一旦发生故障会导致中央空调机组的运行偏离正常状态,不仅造成能耗浪费而且还引发安全事故。针对中央空调故障监测的问题,本文提出了一种基于SVDD(Support vector data description)在线实时故障监测方法,利用中央空调机组正常的运行数据,首先对数据进行标准化处理,消除变量间的量纲关系,然后建立SVDD模型。通过引入不同程度故障,分析该方法的监测效率。结果表明,基于SVDD的中央空调故障监测效果明显,但对不同变量的不同程度的故障,故障检测的准确率存在一定的差别。
文摘针对复杂电子对抗场景中的非理想信道环境,该文提出了一种基于深度学习的异常检测(anomaly detection,AD)方法。首先,分析了利用时频同相/正交(in-phase/quadrature,I/Q)采样数据进行AD的可行性;然后,设计了深度学习网络架构,并提出基于深度支持向量描述(deep support vector data description,Deep SVDD)和调制识别的AD方法。仿真及实验结果表明:相比于经典的单分类检测算法,该方法检测性能和实时性明显提升,且在非理想信道环境下表现鲁棒。该方法已在某型号项目原理样机上得到验证,具有很高应用价值。
