一个混合深度学习模型用于检测和缓解VANET中的DDoS攻击
Naramalli Jayakrishna1, N Narayanan Prasanth2
1School of Computer Science and Engineering, Vellore Institute of Technology, Vellore, 632014, India.
Scientific reports
|October 1, 2025
概括
本研究介绍了VANET-DDoSNet++,这是一个用于检测和减轻车辆特设网络 (VANET) 中分布式拒绝服务 (DDoS) 攻击的新型框架. 该系统实现了高精度,大大提高了智能运输系统的安全性.
科学领域:
- 网络安全 网络安全
- 网络工程 网络工程
- 人工智能的人工智能
背景情况:
- 智能运输系统 (ITS) 依赖于车辆特设网络 (VANET) 进行实时通信.
- VANETs易受分布式拒绝服务 (DDoS) 攻击的影响,危及安全关键服务.
- 在VANET中现有的DDoS检测机制表现出低效率,高错误报警率和不良适应性.
研究的目的:
- 开发一种新的,多层次的防御框架,用于检测和减轻VANET中的DDoS攻击.
- 在动态车辆环境中提高DDoS检测和响应的准确性和适应性.
- 通过一个分散的机制,确保安全和可验证的威胁报告.
主要方法:
- 一个多层防御框架,VANET-DDoSNet++,集成优化功能选择,深度学习检测,强化学习缓解和基于区块链的报告.
- 使用自适应 (ADA) 和增强的优化算法 (EGOA) 进行混合特征选择.
- 深度学习检测采用卷积LSTM网络,注意层和残余/密集连接;适应性强化学习用于缓解;和区块链用于报告.
主要成果:
- 在CIC-DDoS2019数据集上,VANET-DDoSNet++实现了98.04%的准确性,70%的训练数据和99.18%的准确性,80%的训练数据.
- 显著减少了假阳性和假阴性率,同时提高了精度,F1分数,灵敏度和特异性.
- 与现有的方法相比,在检测和减轻不断变化的DDoS攻击模式方面表现出卓越的性能.
结论:
- VANET-DDoSNet++为VANETs提供了一个动态和安全的入侵检测和缓解框架.
- 拟议的框架有效地解决了智能运输系统当前DDoS防御机制的局限性.
- 深度学习,强化学习和区块链的整合为VANET安全提供了一个强大的解决方案.
