| 基于可解釋LightGBM的電動汽車充電站入侵檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>3156 K | |
| 標簽： 電動汽車充電站 入侵檢測 輕量級梯度提升機 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：在電動汽車充電站（EVCS）網絡安全問題日益嚴峻的背景下，傳統入侵檢測方法存在諸多不足，機器學習和深度學習雖有成效但存在“黑箱”問題。提出一種基于可解釋輕量級梯度提升機（LightGBM）的EVCS入侵檢測框架。利用SHAP進行特征選擇，經模擬退火算術優化算法（SAOA）對LightGBM超參數調優，集成SHAP、LOCO、CEM、PFI、LIME和ALE等多種可解釋性人工智能（XAI）技術。在CICEVSE2024和EdgeIIoTset數據集上的實驗結果顯示，模型檢測準確率分別達97.53%和88.89%，F1分數分別為9801%和8898%，且可解釋性強，能為安全運維提供清晰依據。該研究為提升EVCS網絡安全提供了高效、可解釋的解決方案，具有重要的理論與實踐意義。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2