论文部分内容阅读
无线传感网络作为物联网的重要组成部分广泛应用于军事和民用领域,如环境检测、战场监视、灾难救助、在线人体医疗等,相应的安全问题也凸显出来。和传统网络一样,无线传感网络也面临着黑客或敌人的入侵威胁,又由于其自身具有节点能量有限、动态拓扑、自组织等特点,使传统网络中的一些安全技术不能完全应用于无线传感网络。因此,研究适合无线传感网络的安全技术具有重要意义,而入侵检测是无线传感网络安全研究的一个方面。本文针对无线传感网络及其入侵检测的特点进行研究,分析出无线传感网络入侵检测方法目前面临的一些问题,并对这些问题研究解决方法。首先,本文分析了无线传感网络入侵检测技术的研究现状,对无线传感网络的自身特点及遭受到的攻击特征进行了分析。针对无线传感网络数据集存在着特征冗余、噪声特征,同时CFS特征选择算法具有强降维能力、GA具有全局搜索特性,将GA-CFS属性选择方法引入到无线传感网络入侵检测特征选择中,用CFS评价得到的启发式价值作为GA的适应度函数来对个体进行评价,从而降低特征向量的维度、减少学习分类器所需的数据量、增强泛化能力。其次,为了提高基本PSO与SVM融合的无线传感网络入侵检测算法的检测精度与收敛速度,提出一种基于CS-CPSO与SVM融合的无线传感网络入侵检测算法(CS-CPSO-SVM)。采用完全正弦映射混沌粒子群优化算法(CS-CPSO)来优化SVM参数,不仅将正弦映射混沌搜索应用于粒子群算法中初始种群与局部最优解混沌扰动的产生,且将其用于惯性权重的优化以及随机常数和学习因子的产生,并用多个初始值分别迭代生成多条混沌轨道。最后,搭建实验平台,在实验部分通过模拟仿真实验验证所提出的无线传感网络入侵检测优化策略的合理性,包括GA-CFS特征选择算法以及CS-CPSO-SVM分类算法两部分,实验数据来源于Kddcup99数据集。同时全面概括研究结果,明确下一步工作。