基于PSO-ELM的物联网入侵检测系统研究

发布时间：2020-07-01 10:28

【摘要】：随着物联网的快速发展,物联网的使用日益普及。相比传统的互联网,物联网更容易受到各种攻击,一旦遭受攻击,其受到的损失不仅是信息的丢失还涉及到物联网设备。因此,物联网的安全越来越受到人们的重视。传统的入侵检测技术具有检测率低、可扩展性差的缺点,无法适应复杂的物联网环境。针对该问题,本文提出一种基于PSO-ELM的物联网入侵检测框架。本文的主要内容如下:1、针对入侵检测系统可扩展性差、无法适应复杂的分布式物联网环境的问题,提出基于Agent的入侵检测框架,该框架分为采集层、分析层、融合层、协调管理层,并将移动Agent和静态Agent相结合。移动Agent在网络中的不同主机或节点之间移动和执行相关任务;静态Agent对应各层功能,主要包含数据采集Agent、分析Agent、数据融合Agent、响应Agent。数据采集Agent收集传感器终端和传感网络和网络上的信息,并对收集的信息进行预处理;数据分析Agent利用PSO-ELM算法分析数据生成初级警告;数据融合Agent将分析结果关联、合并、聚集生成高级警告;响应Agent对高级响应做出反应阻止入侵行为。2、研究分析层的基于神经网络入侵检测算法,针对BP神经网络收敛速度慢,易陷入局部最优解的问题以及ELM算法执行速度快、参数调节简单,但受随机初始输入权重和偏置影响较大,算法稳定性较差的问题,本文提出将PSO-ELM算法应用于物联网入侵检测,通过PSO算法优化ELM算法的权重和偏置,既有效的解决了BP神经网络收敛速度慢的问题,也解决了ELM算法受随机初始输入权重和偏置影响较大的问题。3、将BP神经网络、ELM算法、PSO-ELM算法在KDDCUP99数据集上进行实验,实验结果表明,PSO-ELM算法在检测正确率、误报率、漏报率、检测率、精度及检测时间六项指标均优于BP神经网络;相比ELM算法,PSO-ELM算法在牺牲时间效率的基础上,提升了其他五项指标。通过研究与实验分析,本文提出的PSO-ELM算法与Agent相结合的方法为物联网入侵检测提供了一种新思路。
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.44;TN915.08
【图文】：

BP 神经网络的入侵检测技术先构建 BP 神经网络分类器，由于 KDD CUP99 是 41 种此该方法将输入神经元设为 41 个，输出神经元的数量设 当隐含层的数量为 15 时，实验性能最好。基于 BP 神经网能如图 4.2 所示。Goal 表示训练网络停止的均方根误差，现出最佳性能，刚开始时 Test和 Validation目标之间的误增加，测试误差继续下降，但 Validation 误差会增加。 当时，会出现过拟合的趋势，一般会连续增加六次就停止训图如图 4.3 所示。 随着训练次数的增加梯度逐渐下降，当检测次数已经有 6 次，实验终止。

测试误差继续下降，但 Validation 误差会增加。 当时，会出现过拟合的趋势，一般会连续增加六次就停止训图如图 4.3 所示。 随着训练次数的增加梯度逐渐下降，当检测次数已经有 6 次，实验终止。图 4.2 BP 神经网络的检测性能

【参考文献】

中国期刊全文数据库 前10条

1 敖永才;师奕兵;张伟;李焱骏;;自适应惯性权重的改进粒子群算法[J];电子科技大学学报;2014年06期

2 王杰;毕浩洋;;一种基于粒子群优化的极限学习机[J];郑州大学学报(理学版);2013年01期

3 赵振辉;;基于Agent和聚类分析的网络入侵检测研究[J];微电子学与计算机;2013年03期

4 杨乐;张瑞;;在线序列ELM算法及其发展[J];西北大学学报(自然科学版);2012年06期

5 修长虹;郑小松;梁建坤;;基于移动代理入侵检测模型的研究[J];网络安全技术与应用;2012年04期

6 马鑫;梁艳春;田野;于涛;;基于免疫机理与合同网协议的多Agent入侵检测系统[J];吉林大学学报(工学版);2011年01期

7 张新有;曾华q

本文编号：2736643