基于改进主动学习的HWSN 网络入侵检测方法

2021-11-12 07:23:42高朝营
沈阳工程学院学报(自然科学版) 2021年4期
关键词:分类特征检测

高朝营

(枣庄科技职业学院 信息处,山东 枣庄 277599)

随着WSN(无线传感网络)应用范围的拓展和应用场景的增多[1-2],网络中的数据传输类型呈现出多样化的发展趋势。在WSN 组网过程中,由于传感器节点等物理元器件的结构差异,以及网络工作环境、节点负荷要求的不同,导致网络节点及网络拓扑结构的异构化[3-4]。在实际应用中,HWSN(异构无线传感网络)的运用更为普遍[5]。HWSN的异构性主要表现在网络的拓扑结构异构性、节点类型异构性和节点功能的异构性。

HWSN 的多层次复杂结构在给使用者带来诸多便利的同时,也给网络带来了更大的安全隐患,即HWSN 网络更容易成为被攻击的对象[6-7]。对HWSN 实施动态化入侵检测,是确保网络安全的最有效措施之一。通过研究现有无线传感领域内的研究成果可知,针对HWSN 网络异常识别与入侵检测的方法主要是以人工智能和机器学习算法为主,如决策树、朴素贝叶斯、BP 神经网络等[8-11],但上述方法主要针对静态化的数据检测,在网络结构更为复杂及网络攻击类别更多样的HWSN 网络中,检测率、误检率等基础指标难以满足要求。因此,本文在机器学习算法的基础上提出一种经过改进和优化的主动学习算法,在异构网络环境下达到精确检测的目的。

1 主动学习模型的建立及性能改进

HWSN 入侵检测的过程,主要通过实时监控HWSN 中传输数据状态来实现。主动学习算法的优势在于从主动安全预警和主动防护的角度跟踪和监控网络中的异常数据,并保护每台系统主机不遭受来自网络的恶意攻击。……

登录APP查看全文

猜你喜欢
分类特征检测
分类算一算
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
小波变换在PCB缺陷检测中的应用
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15