i</sub> 分?jǐn)?shù)達(dá)到了 95.36% ，相比于1-CNN1-LSTM、2-CNN1-LSTM、2-CNN2-LSTM、4-LSTM模型分別提高了7.65個(gè)百分點(diǎn)、4.9個(gè)百分點(diǎn)、1.16個(gè)百分點(diǎn)和12.19個(gè)百分點(diǎn)。其次，在同一數(shù)據(jù)集下，針對(duì)BiLSTM-Attention模型進(jìn)行了消融實(shí)驗(yàn)，相比LSTM、LSTM-Attenion和BiLSTM模型，BiLSTM-Attentin模型的 F<sub>1</sub> 分?jǐn)?shù)分別提高了10.2個(gè)百分點(diǎn)、4.45個(gè)百分點(diǎn)和4.27個(gè)百分點(diǎn)；AUC值達(dá)到0.9857，分別提升了0.0323、0.0161和0.0155。所提方案的檢測(cè)準(zhǔn)確率比同類(lèi)方案更有優(yōu)勢(shì)。-龍?jiān)雌诳W(wǎng)" />

特黄三级爱爱视频|国产1区2区强奸|舌L子伦熟妇aV|日韩美腿激情一区|6月丁香综合久久|一级毛片免费试看|在线黄色电影免费|国产主播自拍一区|99精品热爱视频|亚洲黄色先锋一区

車(chē)聯(lián)網(wǎng)環(huán)境下基于BiLSTM-Attention模型的重放攻擊檢測(cè)

  • 打印
  • 收藏
收藏成功


打開(kāi)文本圖片集

關(guān)鍵詞：車(chē)聯(lián)網(wǎng)；網(wǎng)絡(luò)攻擊；重放攻擊；深度學(xué)習(xí)；BiLSTM-Attention模型；VeReMi擴(kuò)展數(shù)據(jù)集中圖分類(lèi)號(hào)：TP183；U495；TN915.08 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2025）10-0029-06

0引言

21世紀(jì)以來(lái)，隨著工業(yè)技術(shù)的飛速發(fā)展和人類(lèi)文明的不斷進(jìn)步，汽車(chē)已經(jīng)成為我們生活中不可或缺的一部分[1]。（剩余10719字）

目錄
monitor