《表3 异常检测均值：基于BiGRU-SVDD的ADS-B异常数据检测模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BiGRU-SVDD的ADS-B异常数据检测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

另外，本文选取了其他机器学习和深度学习的方法，同样用于检测以上6种类型的ADS-B数据攻击（攻击数据的构造方法和3.1节保持一致）。这些方法包括一类支持向量机（OCSVM）、孤立森林（IForest）、长短期记忆神经网络（LSTM）、门控循环单元神经网络（GRU）、双向门控循环单元神经网络（BiGRU）和seq2seq模型[16]。其中，OCSVM采用的核函数为径向基核函数，核参数Gamma取值为0.2。IForest中，树的棵数取值为默认的100，每棵树的采样大小取值为256。LSTM、GRU和BiGRU都采用和图3相似的网络结构，用余弦相似度衡量预测值和实际值的误差大小（阈值的确定方法为：将余弦相似度按照从小到大排序，将第3%小的余弦相似度选取为阈值）。seq2seq模型采用的网络结构和文献[16]保持一致，即编码器和解码器的隐藏层都采用LSTM神经网络，LSTM的单元数为128。表3给出了6种形式攻击下，各种异常检测方法的检测率、召回率和准确率的均值实验结果。可以看出：