基于滑动窗口信息熵的车载can入侵检测笔记

该博客探讨了针对DOS攻击,如何利用基于信息熵的滑动窗口策略进行防御。由于CAN数据的非周期性,文章提出通过退火算法来训练得到最优的窗口大小和正常信息熵参数。然而,这种方法对于熵伪造攻击显得无能为力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

背景

针对DOS攻击,因为can数据的非周期性,采用基于数量的滑动窗口,计算固定窗口大小的信息熵,但不同的车辆情况不同,通过退火算法训练,得到最优的窗口大小,正常信息熵等参数。缺陷是无法防御熵伪造攻击
在这里插入图片描述

信息熵推导

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值