专利交易市场

本发明属于车联网和通信安全技术领域，涉及一种基于浅层CNN和GRU的轻量化车载网络入侵检测系统及方法，该检测系统是通过对ConvGRU轻量化模型进行训练得到，ConvGRU轻量化模型包含浅层CNN模型、GRU模型、融合模块；浅层CNN模型包括依次设置的第一逐点卷积层、第一DW卷积层、第二逐点卷积层、第二DW卷积层、第三逐点卷积层、第三DW卷积层、卷积层、平均池化层、第一全连接层；GRU模型包括数据转换模块、GRU模块、第二全连接层；浅层CNN模型提取空间特征，GRU模型提取时间特征，两者融合，提高泛化能力，在具有出色的准确率的同时也带来便捷性，使其具有较低的模型复杂度、计算资源以及时延。

本发明属于车联网和通信安全技术领域，涉及基于Hybrid EfficientNet模型的车辆入侵检测系统及方法，所述系统是通过对Hybrid EfficientNet模型进行训练得到；其中，Hybrid EfficientNet模型包括初始卷积层、主干网络、自适应全局池化层、Flatten层、丢弃层、隐藏层、分类层；主干网络由1个FusedMBConv模块和15个MBConv模块组成，MBConv模块包括扩展层、深度可分离卷积模块、通道和空间注意力机制、投影层；MBConv模块内部使用残差连接；该系统具有出色的检测异常流量的能力，实现了高准确率，以及高效的处理能力和快速的响应速度，满足车辆环境中的便捷操作需求，有效解决现有入侵检测模型复杂不便捷，无法直接部署到资源受限的车载网络环境中的技术难题。