基于GAN和LSTM-Autoencoder的车联网无监督入侵检测方法及系统

本发明公开基于GAN和LSTM‑Autoencoder的车联网无监督入侵检测方法及系统，属于车联网安全领域；基于GAN和LSTM‑Autoencoder的车联网无监督入侵检测方法包括：从CICIDS2017数据集和IoT‑23数据集中获取数据，并分别进行预处理；通过生成对抗网络生成与异常数据相似的数据，来训练LSTM‑Autoencoder模型；利用LSTM‑Autoencoder模型重建输入数据，并通过重构误差设置阈值，用于异常数据检测；通过生成器和判别器的对抗，可以得到一个紧密有界的法向特征空间，从而解决边界异常数据难以检测的问题。