面向水声通信网络的异常攻击检测.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812025⁃02⁃10

计算机应用,2025,45(2):526-533CODENJYIIDUhttp://www.joca.cn

文章编号：1001-9081（2025）02-0526-08DOI:10.11772/j.issn.1001-9081.2024030283

面向水声通信网络的异常攻击检测

121*321

王地欣，王佳昊，李敏，陈浩，胡光耀，龚宇

（1.四川师范大学计算机科学学院，成都610101；2.电子科技大学信息与软件工程学院，成都610054；

3.雅安职业技术学院智能制造与信息技术学院，四川雅安625100）

（∗通信作者电子邮箱limin@sicnu.edu.cn）

摘要：近些年，水声通信网络在水下信息传输方面发挥了至关重要的作用。水下通信信道具有开放性，更易遭

受干扰、欺骗和窃听等攻击，因此水声通信网络面临与传统网络不同的安全挑战。然而，传统的异常检测方法直接用

于水声网络时的准确率较低，而基于机器学习的异常检测方法虽然提高了准确率，但面临数据集受限、模型可解释性

较差等问题。因此，将融合注意力机制的CNN-BiLSTM用于水声网络下的异常攻击检测，并提出WCBA（underWater

CNN-BiLSTM-Attention）模型。该模型通过IG-PCA（IntegratedGradient-PrincipalComponentAnalysis）特征选择算法有

效降低数据集的高维度，并能充分利用多维矩阵水声通信网络流量的时空特征在复杂水声数据中识别异常攻击。实

验结果表明，WCBA模型在数据集受限的情况下，相较于其他神经网络模型提供了更高的准确率，并具有较高可解

释性。

关键词：水声通信网络；异常检测；网络安全；特征选择；卷积神经网络；注意力机制

中图分类号：TP399文献标志码：A

Abnormalattackdetectionforunderwateracousticcommunicationnetwork

121*321

WANGDixin，WANGJiahao，LIMin，CHENHao，HUGuangyao，GONGYu

（1.SchoolofComputerScience，SichuanNormalUniversity，ChengduSichuan610101，China；

2.SchoolofInformationandSoftwareEngineering，UniversityofElectronicScienceandTechnologyofChina，ChengduSichuan610054，China；

3.CollegeofIntelligentManufacturingandInformationT