软件定义车联网中 SYN DoS 攻击的随机森林分层 K 折交叉验证
密码学与安全
2025-09-10 v1 人工智能
机器学习
摘要
针对软件定义车联网（SD-IoV）中 TCP SYN 洪泛攻击的普遍问题，本研究探讨了快速演进的车载通信系统中网络安全的重大挑战。本研究专注于优化随机森林分类器模型，以实现最大准确率和最小检测时间，从而增强车载网络安全性。该方法包括对包含 SYN 攻击实例的数据集进行预处理，采用特征缩放和标签编码技术，并应用分层 K 折交叉验证来评估准确率、精确率、召回率和 F1 分数等关键指标。本研究在所有指标上均达到了 0.999998 的平均值，且 SYN DoS 攻击检测时间为 0.24 秒。结果表明，经过微调的随机森林模型（配置了 20 个估计器和 10 的深度）能够以高准确率和最小检测时间有效区分正常流量和恶意流量，这对于 SD-IoV 网络至关重要。该方法标志着一项重大进展，引入了一种结合高准确率和最小检测时间的 SYN 洪泛攻击检测 SOTA 算法。它通过提供针对 TCP SYN 洪泛攻击的稳健解决方案，同时保持网络效率和可靠性，为车载网络安全做出了贡献。
引用
@article{arxiv.2509.07016,
title = {Random Forest Stratified K-Fold Cross Validation on SYN DoS Attack SD-IoV},
author = {Muhammad Arif Hakimi Zamrai and Kamaludin Mohd Yusof},
journal= {arXiv preprint arXiv:2509.07016},
year = {2025}
}