A Hybrid Machine Learning Model for Intrusion Detection in VANET

BANGUI, Hind, Mouzhi GE a Barbora BÜHNOVÁ. A Hybrid Machine Learning Model for Intrusion Detection in VANET. Computing. Wien, Austria: Springer, 2022, roč. 104, č. 3, s. 503-531. ISSN 0010-485X. Dostupné z: https://dx.doi.org/10.1007/s00607-021-01001-0.

Základní údaje

• Originální název: A Hybrid Machine Learning Model for Intrusion Detection in VANET
• Autoři: BANGUI, Hind (504 Maroko, domácí), Mouzhi GE a Barbora BÜHNOVÁ (203 Česká republika, garant, domácí).
• Vydání: Computing, Wien, Austria, Springer, 2022, 0010-485X.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Článek v odborném periodiku
• Obor: 10200 1.2 Computer and information sciences
• Stát vydavatele: Rakousko
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Impakt faktor: Impact factor: 3.700
• Kód RIV: RIV/00216224:14330/22:00124963
• Organizační jednotka: Fakulta informatiky
• Doi: http://dx.doi.org/10.1007/s00607-021-01001-0
• UT WoS: 000687514800003
• Klíčová slova anglicky: Machine learning; VANET; Security; Intrusion; Clustering; Classification; Coresets; Random Forest
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

While Vehicular Ad-hoc Network (VANET) is developed to enable effective vehicle communication and traffic information exchange, VANET is also vulnerable to different security attacks, such as DOS attacks. The usage of an intrusion detection system (IDS) is one possible solution for preventing attacks in VANET. However, dealing with a large amount of vehicular data that keep growing in the urban environment is still a critical challenge for IDSs. This paper, therefore, proposes a new machine learning model to improve the performance of IDSs by using Random Forest and a posterior detection based on coresets to improve the detection accuracy and increase detection efficiency. The experimental results show that the proposed machine learning model can significantly enhance the detection accuracy compared to classical application of machine learning models.

Návaznosti

• CZ.02.1.01/0.0/0.0/16_019/0000822, interní kód MU(Kód CEP: EF16_019/0000822): Název: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur (Akronym: C4e)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur, PO 1 Posilování kapacit pro kvalitní výzkum

• EF16_019/0000822, projekt VaV: Název: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur