网络实验室虚假数据注入攻击深度识别仿真

摘要：

由于当前已有攻击识别方法未对网络实验室虚假数据进行预处理,导致计算开销、存储开销以及能量消耗均较高,攻击的识别率偏低.现提出一种网络实验室虚假数据注入攻击深度识别方法.分析网络实验室虚拟数据的注入机理,滤除虚假数据噪声.将决策树算法和梯度提升框架结合,构建虚假数据注入攻击深度识别模型.采用自适应混沌果蝇算法优化模型参数,将经过预处理的虚假数据输入到识别模型中,根据虚拟数据的更新门以及重置门,获取虚假数据注入攻击训练数据集,实现虚拟数据注入攻击的深度识别.仿真结果表明:所提方法可以有效提升识别率,降低计算开销、存储开销以及能量消耗.实验结果证明了所提方法具有较好的应用前景.

关键词：网络实验室、虚假数据、注入攻击、深度识别

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金52091104

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：406-410