基于CBAMTL-MobileNet V3的车载网络入侵检测

来源：计量学报杂志2024年第9期北京时间：

作者：吴忠强,李孟亭

单位：燕山大学 河北省工业计算机控制工程重点实验室,河北秦皇岛066004

摘要：提出了一种基于CBAMTL-MobileNet V3的车载网络入侵检测方法。该方法使用轻量级模型MobileNet V3,减少其层数加快模型的训练和检测速度;将模型中的SE模块置换为注意力模块(CBAM)使模型更聚焦于特定特征,提高特征提取能力,进而提高检测攻击的精确度;引入迁移学习对模型权重进行微调,减少参数和内存资源的消耗,缩短了训练时间,使模型表现出更快的运算速度。仿真结果表明:所提模型的各项检测指标都优于MobileNet V3模型。与其他模型相比,所提模型既具备轻量级模型的高效性,同时又高于其他复杂模型的检测精度,识别各类别攻击的性能最优。

关键词：无线电计量; 机器视觉;入侵检测;深度学习;轻量级模型;车载网络

基金资助：省级重点实验室绩效补助经费项目(22567612H)