面向低功耗物联网的入侵检测算法研究

• 作 者: 刘文轩
• 出 处: 哈尔滨工业大学
• 发表日期: 2004年期
• 关键词: 物联网 无线传感器网络 入侵检测 信任机制 路由协议

近年来,物联网作为一种新兴的技术,逐渐受到人们的关注。无线传感器网络(Wireless Sensor Networks,WSN)作为物联网的重要组成部分,也随着物联网而飞速发展。然而,WSN相比于传统网络更为脆弱,面临的安全问题也更多。所以针对WSN节点能量有限和计算能力有限的问题设计一个适合WSN的入侵检测系统尤为重要。首先,在对WSN的结构和特点进行分析之后,总结WSN的安全问题,并根据WSN的特点,分析WSN入侵检测需求。针对WSN能量有限,动态性强的特点,设计一种分层结构的入侵检测系统,用来保证WSN的安全性。其次,为满足WSN对入侵检测系统节能性的需求,分析传统的LEACH算法的不足,并在此基础上加以改进,设计出基于遗传算法的WSN分层路由协议。采用遗传算法来进行簇头选择,使簇头的分布和能量更均衡,采用单跳和多跳结合的簇间传输策略,降低了簇头节点消耗的能量。通过Python对该算法进行仿真分析,并与LEACH算法进行对比,证明了本文协议在网络存活时间、网络能量消耗、数据传输量和能量均衡性方面均优于LEACH算法,证明了本文协议的优越性。然后,为满足WSN对入侵检测系统自身安全性的需求,在检测系统中引入信任机制,提出了基于信任机制的安全路由协议。在贝叶斯信任模型的基础上进行改进,采用直接信任和间接信任结合的方式进行信任评价。采用信任机制对基于遗传算法的分层路由协议进行改进,分别在准备阶段、簇头选择阶段和簇间传输阶段加入信任机制,提高网络自身的安全性。通过仿真对正常节点和恶意节点的信任值变化进行分析,证明改进后算法可以有效识别出恶意节点;通过对比改进前后的路由算法的性能,证明改进后算法可以在开销较小的情况下提高网络的安全性。最后,为满足WSN对入侵检测系统检测准确率的需求,在分析了神经网络的特点的基础上,提出了基于粒子群优化的极限学习机(PELM)的入侵检测算法。分析了BP神经网络的缺点,并采用泛化性能较好的ELM进行入侵检测;针对ELM算法随机选择输入层权值和隐含层阈值的问题,采用PSO算法对其初始化阶段进行优化;采用PCA算法对仿真数据进行特征选择,减小入侵检测算法压力。通过仿真对PELM算法的性能进行测试,将其与BP算法和ELM算法进行对比,证明PELM算法具有较高的检测率;统计整个入侵检测系统的运行时间,证明本文设计的入侵检测系统具有较好的实时性。