基于可解釋LightGBM的電動(dòng)汽車充電站入侵檢測(cè)方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>3156 K
標(biāo)簽： 電動(dòng)汽車充電站 入侵檢測(cè) 輕量級(jí)梯度提升機(jī)
所需積分：0分積分不夠怎么辦？
文檔介紹：在電動(dòng)汽車充電站（EVCS）網(wǎng)絡(luò)安全問(wèn)題日益嚴(yán)峻的背景下，傳統(tǒng)入侵檢測(cè)方法存在諸多不足，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)雖有成效但存在“黑箱”問(wèn)題。提出一種基于可解釋輕量級(jí)梯度提升機(jī)（LightGBM）的EVCS入侵檢測(cè)框架。利用SHAP進(jìn)行特征選擇，經(jīng)模擬退火算術(shù)優(yōu)化算法（SAOA）對(duì)LightGBM超參數(shù)調(diào)優(yōu)，集成SHAP、LOCO、CEM、PFI、LIME和ALE等多種可解釋性人工智能（XAI）技術(shù)。在CICEVSE2024和EdgeIIoTset數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，模型檢測(cè)準(zhǔn)確率分別達(dá)97.53%和88.89%，F(xiàn)1分?jǐn)?shù)分別為9801%和8898%，且可解釋性強(qiáng)，能為安全運(yùn)維提供清晰依據(jù)。該研究為提升EVCS網(wǎng)絡(luò)安全提供了高效、可解釋的解決方案，具有重要的理論與實(shí)踐意義。
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。