基于可解释LightGBM的电动汽车充电站入侵检测方法AET-电子技术应用-最丰富的电子设计资源平台

基于可解释LightGBM的电动汽车充电站入侵检测方法
所属分类：技术论文
上传者：wwei
文档大小：3156 K
标签：电动汽车充电站入侵检测轻量级梯度提升机
所需积分：0分积分不够怎么办？
文档介绍：在电动汽车充电站（EVCS）网络安全问题日益严峻的背景下，传统入侵检测方法存在诸多不足，机器学习和深度学习虽有成效但存在“黑箱”问题。提出一种基于可解释轻量级梯度提升机（LightGBM）的EVCS入侵检测框架。利用SHAP进行特征选择，经模拟退火算术优化算法（SAOA）对LightGBM超参数调优，集成SHAP、LOCO、CEM、PFI、LIME和ALE等多种可解释性人工智能（XAI）技术。在CICEVSE2024和EdgeIIoTset数据集上的实验结果显示，模型检测准确率分别达97.53%和88.89%，F1分数分别为9801%和8898%，且可解释性强，能为安全运维提供清晰依据。该研究为提升EVCS网络安全提供了高效、可解释的解决方案，具有重要的理论与实践意义。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动