在智能运输系统中使用自适应性神经模糊推理系统检测DDoS攻击.
G Usha1,2, H Karthikeyan1,2, Kumar Gautam3,4
1Department of Networking and Communications, SRMIST, Kattankulathur, Chennai, 603203, India.
Scientific reports
|July 2, 2025
概括
本研究介绍了一种用于智能运输系统 (ITS) 的新型分布式拒绝服务攻击检测方案. 拟议的自适应神经模糊推理系统以94.3%的准确度提高了ITS的安全性.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 智能交通系统 (ITS) 对交通管理和公共利益至关重要.
- 信息传输系统在动态环境中运行,因此容易受到分布式拒绝服务 (DDoS) 攻击等威胁.
- 目前ITS中的DDoS检测方法存在缺陷,需要改进安全解决方案.
研究的目的:
- 为智能运输系统提出一个强大的分布式拒绝服务攻击检测方案.
- 加强ITS生态系统对网络威胁的安全性和可靠性.
- 为了解决ITS中现有的DDoS检测技术的局限性.
主要方法:
- 开发一种使用自适应神经模糊推理系统 (ANFIS) 的分布式拒绝服务攻击检测方案.
- 人工神经网络学习能力与ANFIS框架内的模糊逻辑模型的整合.
- 与传统分类器进行比较分析,包括支持向量机,随机森林,极端梯度增强和卷积神经网络.
主要成果:
- 拟议的基于ANFIS的模型在检测DDoS攻击方面取得了94.3%的高精度.
- 与支持矢量机器,随机森林,极端梯度增强和卷积神经网络相比,表现出优异的性能.
- 呈现低虚假阳性率和高检测可靠性,证实其适用于现实世界的ITS安全性.
结论:
- 适应性神经模糊推理系统为增强智能运输系统安全提供了高度有效的解决方案.
- 拟议的方案在DDoS攻击检测的准确性,精度,回忆和F1得分方面提供了显著的改进.
- 开发的系统非常适合于现实世界的应用,确保ITS的连续和安全运行.


