一种基于强化主动学习的轻量化CAN总线入侵检测方法

本发明公开了一种基于强化主动学习的轻量化CAN总线入侵检测方法，通过其标签自适应优化机制、强化学习驱动的策略调整能力，以及资源可控的动态推理架构，本通过在样本选择过程中优化标注策略，能够高效利用标注数据，极大地减少了人工标注的工作量和成本，降低了整体标注需求，并提升了标注资源的利用效率，通过设计基于强化学习的双阶段推理门控算法，将轻量推理模型集合与精确推理模型集合结合，能够根据实际需要动态调整推理计算，对于不确定的样本，则转入精确推理模型集合进行进一步判定，从而优化了整体计算资源的使用，减少了入侵检测系统的计算负担，同时提升了响应速度，增强了模型的可持续优化能力和提升检测精度与自适应能力。