基于ELM的无线传感器网络入侵检测算法研究

发布时间：2020-03-30 23:28

【摘要】：随着无线传感器网络(Wireless Sensor Network,WSN)对人们的生活有着越来越深入和重要的影响,信息安全性已经成为其走向大规模以及实用化的关键因素,而入侵检测技术应用于WSN中,将为其提供更全面和更深层次的保护。本文主要针对WSN中存在的节点能量受限、节点能量利用率不高以及入侵检测率低、实时性差的缺陷,分别进行了分簇路由协议的改进及入侵检测算法的改进,主要工作如下:1.本文采用层次式的检测模型,由于在WSN中传感器节点具有能量受限、计算和存储能力有限的特点。这就使得其入侵检测系统模型的设计不能过于复杂,以免在实际的应用当中耗费更多能量,导致网络的性能和生命周期下降,因此在入侵检测模型的设计方面应考虑WSN的特点,且应保证发现入侵行为的正确率和实时性。本文采用的层次式检测模型中感知层的普通传感器节点负责数据信息的采集工作,汇聚层的Sink节点负责入侵特征提取的工作,而处于核心控制层的管理节点则用来实现计算较为复杂的分析检测功能,以此降低入侵检测系统的整体成本。2.对现有分簇路由协议进行了改进。针对目前一些分簇路由协议存在网络中节点的存活时间短以及网络中能量利用率低的问题,本文对经典LEACH协议及基于FCM(Fuzzy C-Means)的C-FCM协议进行了改进,研究了一种EEUCP协议。该协议的设计思想就是采用灰狼优化算法GWO(Grey Wolf Optimizaton)来对FCM算法进行优化,此外在簇间通信方面也进行了改进。通过仿真实验,与LEACH协议、C-FCM协议及K-Means协议进行对比,结果表明本文提出的协议降低了网络中的能耗,有效延长了网络中节点的存活时间,提高了能量利用率,同时使得分簇更均匀,为后面入侵检测工作奠定了良好基础。3.深入研究了用于WSN入侵检测的算法。入侵检测算法是入侵检测模型的核心,本文采用泛化性能极好的极限学习机ELM(Extreme Learning Machine)算法进行入侵检测,使用主成分分析PCA(Principal Component Analysis)算法进行降维优化,并与传统的BP(Back Propagation)神经网络做对比,在KDD CUP99数据集上进行仿真实验,结果表明,本文提出的方法大大提高了检测率、精度,同时缩短了检测时间,降低了误报率、漏报率,保证了入侵检测的准确性和实时性。
【图文】：

算法,路由协议,模糊聚类算法,科研工作者

图 1.1 LEACH 算法EACH 协议为蓝本，科研工作者对其进行改进和创新，，进而又影响深远的诸多路由协议。这其中，就包括由 Heinzelman 等提出的集中分簇的 LEACH 协议[11]，通过对经典 LEACH 协议进，延长了网络存活时间，并且使基站接收的数据量增多。年，Hoang 等人提出了 C-FCM 协议[12]，即一种基于 FCM 聚路由协议，该协议利用模糊聚类算法对簇头的形成进行了改

体系架构,管理节点

2.2 无线传感器网络体系架构WSN 的体系架构图如图 2.1 所示。主要由三部分组成，分别为：大量分布在监测区域中的传感器节点、少量分散的 Sink 节点以及管理节点，每一部分的功能如下：1. 传感器节点作为 WSN 的基础，主要工作是收集各自范围的数据信息，对收集的信息进行处理，再将信息传输到上层的节点；2. Sink 节点，也是汇聚节点，传感器节点会获取收集到数据信息，而 Sink节点则对其进行融合处理，然后通过互联网、卫星、GSM 等其他网络途径传输到管理节点；3. 管理节点，它是直接面向用户的，作用是对网络的运行状态进行全程的观测，并对上层发来的数据信息进行分析，并采取相应的操作。另外，管理节点还可以主动向 WSN 发出查询申请[29]。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP212.9;TN929.5

【参考文献】