苏 明
(北京开放大学,北京 100081)
无线传感网络(wireless sensor networks, WSNs)已在多个领域内广泛使用[1-2],如智能家居、智能电网等。WSNs 中的传感节点,能够感知应用环境中的异常事情,因此可以利用节点的感知能力,来检测异常事情,例如在智能家居的安防中,可以用红外传感节点感知异常物体入侵。
现存的多数入侵检测算法都依赖数据挖掘算法[3-5]。尽管它们在入侵检测方面有较好的性能,但是基于传感网络的监测系统,仍容易遭受网络攻击。因此,有效的入侵检测系统(intrusion detection system, IDS)非常关键,通过IDS 可以避免数据受已知和未知攻击。
通过检测异常活动,提高网络安全[6]是部署IDS 的根本目的。计算智能,包括机器学习、模糊逻辑、人工神经网络等均是识别网络流量中异常活动的有效策略。IDS 就是通过二值分类,区分正常行为和入侵行为。
文献[7]通过实时自适应模型产生(adaptive model generation, AMG)结构,实施基于数据挖掘的IDS 系统。文献[8]对基于异常的IDS 进行分析,提出基于博弈理论的入侵检测系统。
为此,本文针对基于WSNs 应用的环境监测系统,分析了在感测数据融合阶段的已知和未知的入侵行为,然后提出自适应的入侵检测(adaptive intrusion detection, AID)系统。
在 AID 中,利用2 类机器学习子系统对数据进行处理:①误用检测子系统(misuse detection Subsystem, MDS);②异常检测子系统(anomaly detection subsystem, ADS)。MDS 能够有效地检测已知攻击,ADS 能够检测未知攻击。所谓已知攻击是系统已掌握了攻击特点的攻击;未知攻击是指系统对攻击特点并不了解的攻击。
MDS 通过随机森林分类器检测已知攻击。它先通过训练数据,获取攻击模型,然后利用未来感测流量,识别入侵行为。……