面向不平衡样本的物联网轻量级入侵风险识别方法

作     者：钱游 QIAN You

作者机构：重庆城市职业学院科大讯飞大数据学院重庆402160 

基　　金：重庆市物联网应用技术推广中心项目 重庆市大数据与人工智能创新中心项目 重庆市认知智能技术在职业教育课程资源建设中的应用研究项目 工业和信息化部人才交流中心产教融合专业合作建设试点项目 

出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)

年 卷 期：2024年第2期

页      码：68-72页

摘      要：在不平衡数据的干扰下,物联网的节点负担增大,容易受到轻量级入侵,因此,提出面向不平衡样本的物联网轻量级入侵风险识别方法。基于一维卷积神经网络设计轻量级入侵风险识别模型,为弥补模型训练不够稳定的缺陷,应用DCGAN设计样本数据平衡算法实施样本数据增强处理。将增强后的样本数据作为模型训练中的基础数据,并对构建的轻量级入侵风险识别模型实施训练,实现轻量级的物联网入侵风险识别。测试结果表明,相比剪枝前,剪枝后模型有效参数量的变化幅度达到10倍,在训练中模型很快达到收敛,同时达到了接近1的训练精度,并且本方法的入侵风险识别精度得到了明显的提升,始终稳定在97%左右。

主 题 词：不平衡样本 DCGAN 物联网 轻量级入侵风险 一维卷积神经网络 

学科分类：08[工学] 0839[0839] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.14016/j.cnki.1001-9227.2024.02.068

馆 藏 号：203126602...