兩階段物聯(lián)網(wǎng)資產(chǎn)識(shí)別模型的研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>1925 K
標(biāo)簽： 物聯(lián)網(wǎng) 特征選擇 設(shè)備過濾
所需積分：0分積分不夠怎么辦？
文檔介紹：提出了一種兩階段的物聯(lián)網(wǎng)資產(chǎn)識(shí)別模型。首先，對(duì)異構(gòu)協(xié)議進(jìn)行分析，解決多樣化協(xié)議流量特征提取困難問題。其次，利用輕量級(jí)模型SqueezeNet過濾非物聯(lián)網(wǎng)設(shè)備，提高識(shí)別效率并降低計(jì)算負(fù)擔(dān)。為進(jìn)一步解決數(shù)據(jù)不均衡問題，引入生成對(duì)抗網(wǎng)絡(luò)（GAN）生成合成樣本數(shù)據(jù)，平衡數(shù)據(jù)分布。最后，采用 XLNet與注意力機(jī)制結(jié)合的模型來識(shí)別物聯(lián)網(wǎng)設(shè)備的類型，有效提升了模型在大規(guī)模物聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境中的識(shí)別精度和效率。實(shí)驗(yàn)結(jié)果表明，模型在公開數(shù)據(jù)集上的準(zhǔn)確率達(dá)到99.48%，召回率提升2.02%，F(xiàn)1分?jǐn)?shù)提高1.85%，并在真實(shí)環(huán)境中保持99.01%的準(zhǔn)確率。該模型為物聯(lián)網(wǎng)資產(chǎn)管理和安全管理提供了有效的解決方案。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。