一种基于门控循环单元的模糊神经网络的车载网络入侵预测方法

本发明涉及电动汽车车载网络技术领域，具体涉及一种基于门控循环单元的模糊神经网络的车载网络入侵预测方法，先将原始数据进行预处理操作，对数据进行清洗和转换、降噪和归一化等处理，以便于后续的深度学习模型快速浏览和分析这些数据。再采用噪声过滤器和数据排序分类方法对原始数据进行降噪和异常值检测；采用朴素贝叶斯分类器对特征值缺失问题进行处理；使用最大最小归一化方法完成对原始数据的规范化。再基于反向传播学习算法改进的模糊神经网络模型，以克服传统人工神经网络只能利用当前数据来预测单个来源网络攻击的缺点，采用门控循环单元将模糊神经网络模型的门控信号减少到两个，以预测当前网络攻击行为的标签特征。