加速IoV入侵检测：GPU加速 vs CPU基准ML库的基准测试
机器学习
2025-04-04 v2 人工智能
密码学与安全
摘要
Internet of Vehicles（IoV）可能面临挑战性的网络安全攻击，需要快速发展和响应系统的复杂入侵检测系统。本研究考察了GPU加速库（cuML）相对于传统CPU实现（scikit-learn）的性能优势，聚焦于满足IoV威胁检测环境中所需的速度和效率。所进行的全面评估采用四种机器学习方法（Random Forest、KNN、Logistic Regression、XGBoost）以及三种不同的IoV安全数据集（OTIDS、GIDS、CICIoV2024）。我们的发现表明，GPU加速实现显著提高了计算效率，训练时间缩短了最高可达159倍，预测速度提升了最高可达95倍，而保持检测精度。这一卓越的性能突破使研究人员和安全专家能够利用GPU加速，创建更快、更有效的威胁检测系统，以满足今天紧密连接车辆网络中紧迫的实时安全需求。
引用
@article{arxiv.2504.01905,
title = {Accelerating IoV Intrusion Detection: Benchmarking GPU-Accelerated vs CPU-Based ML Libraries},
author = {Furkan Çolhak and Hasan Coşkun and Tsafac Nkombong Regine Cyrille and Tedi Hoxa and Mert İlhan Ecevit and Mehmet Nafiz Aydın},
journal= {arXiv preprint arXiv:2504.01905},
year = {2025}
}
备注
CIIT 2025 22nd International Conference on Informatics and Information Technologies (CIIT)