基于聚类分析的SD-WSN网络入侵检测研究
发布时间：2020-07-07 07:19
【摘要】：无线传感器网络(Wireless Sensor Networks,WSNs)具有自组织、低成本、低功耗、可大面积部署等良好性质,使其在军事目标追踪、自然灾害救援、危险环境探测等许多应用中具有巨大的应用潜力。然而,其设计模式固定、网络部署后行为策略难更改、网络功能难管理等问题,使得无线传感器网络的研究、设计和实际应用面临巨大的挑战。软件定义无线传感器网络(Software Defined Wireless Sensor Networks,SDWSN)是一种新型的无线传感器网络架构,该架构的提出极大地提高了传统无线传感器网络所面临的问题。然而,这种新型网络由于控制功能的集中化,安全管理的简单化,导致节点本身的资源约束较少,使得网络很容易受到网络攻击。软件定义无线传感器网络的安全问题还处于初级阶段,并没有得到足够的重视。因此,针对软件定义无线传感器网络的安全性研究具有重要意义。本文首先对软件定义无线传感器网络的安全性进行了研究,发现软件定义无线传感器网络由于缺少中间件和传输层安全性(TLS)等主要安全组件,这使得它很容易受到安全攻击,作为单一故障点的控制器更是SDWSN中受攻击最多的组件。针对软件定义无线传感器网络这种安全问题,设计了改进的人工蜂群优化K均值聚类算法,以减小初始聚类中心选择对聚类结果的影响,并利用KDD CUP99数据集对该算法和传统的人工蜂群优化K均值算法以及K均值算法进行了对比仿真验证,实验证明了改进的人工蜂群优化K均值算法相对于传统的K均值算法以及传统的人工蜂群优化K均值算法在聚类效果上有了明显提高;文章最后设计并实现了入侵检测系统,详细描述了系统在登录界面、配置文件介绍、数据收集模块、数据预处理模块、数据训练模块以及入侵检测模块的实现过程,以达到入侵检测的目的。论文针对软件定义无线传感器网络的安全问题提出了人工蜂群优化K均值算法,通过使用人工蜂群算法对K均值算法初始聚类中心选择的优化,极大地提高了 K均值算法的聚类效果,从而提高了入侵检测系统的准确率降低了其误检率。入侵检测系统使用数据挖掘方法实现了网络入侵检测,在有着较高准确率的同时,提升了对网络未知威胁的检测程度,具有重要的实践意义和应用价值。
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP309;TN929.5;TP212.9
【图文】：
位置可以随时更改。还可以通过多个节点地转发，利用网关连接到其他网络。逡逑无线传感器网络通常由普通传感器节点（Ｓｅｎｓｏｒ邋Ｎｏｄｅ邋）、汇聚节点（Ｓｉｎｋ邋Ｎｏｄｅ）逡逑和显示终端组成，如图２．１所示。逡逑／逦＾Ｓｉｎｋ邋节点逡逑Ｉ逦？逦？逦Ｊ逦显示终端逡逑？逦S缅义洗衅鹘诘沐危樱椋睿虢诘沐义贤迹玻蔽尴叽衅魍缃峁瑰义希疲椋纾玻卞澹祝椋颍澹欤澹螅箦澹螅澹睿螅铮蝈澹睿澹簦鳎铮颍脲澹螅螅簦澹礤义衔尴叽衅鞯慕诘阃ü婊植荚谒嗖獾那颍醋宰橹男纬赏纭ｅ义贤缰械钠胀ń诘憬占降男畔⑼ü尴咄ㄐ诺姆绞较颍樱椋睿虢诘憬写洌义显诖涞墓讨校占降男畔⒖赡芑岜黄渌诘愦恚诰啻未莺蟮藉义洗铮樱椋睿虢诘悖詈笸üチ酱锕芾碇斩耍嗣强梢酝ü芾碇斩耸迪侄晕尴咤义洗衅魍绲墓芾砗托畔⒉杉ｅ义希玻澹保参尴叽衅魍绲牡湫陀τ缅义衔尴叽衅魍缱畛跏窃诿拦啦扛呒堆芯克苹穑ǎ模粒遥校粒┯肟突义希罚义
本文编号：2744825
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP309;TN929.5;TP212.9
【图文】：
位置可以随时更改。还可以通过多个节点地转发，利用网关连接到其他网络。逡逑无线传感器网络通常由普通传感器节点（Ｓｅｎｓｏｒ邋Ｎｏｄｅ邋）、汇聚节点（Ｓｉｎｋ邋Ｎｏｄｅ）逡逑和显示终端组成，如图２．１所示。逡逑／逦＾Ｓｉｎｋ邋节点逡逑Ｉ逦？逦？逦Ｊ逦显示终端逡逑？逦S缅义洗衅鹘诘沐危樱椋睿虢诘沐义贤迹玻蔽尴叽衅魍缃峁瑰义希疲椋纾玻卞澹祝椋颍澹欤澹螅箦澹螅澹睿螅铮蝈澹睿澹簦鳎铮颍脲澹螅螅簦澹礤义衔尴叽衅鞯慕诘阃ü婊植荚谒嗖獾那颍醋宰橹男纬赏纭ｅ义贤缰械钠胀ń诘憬占降男畔⑼ü尴咄ㄐ诺姆绞较颍樱椋睿虢诘憬写洌义显诖涞墓讨校占降男畔⒖赡芑岜黄渌诘愦恚诰啻未莺蟮藉义洗铮樱椋睿虢诘悖詈笸üチ酱锕芾碇斩耍嗣强梢酝ü芾碇斩耸迪侄晕尴咤义洗衅魍绲墓芾砗托畔⒉杉ｅ义希玻澹保参尴叽衅魍绲牡湫陀τ缅义衔尴叽衅魍缱畛跏窃诿拦啦扛呒堆芯克苹穑ǎ模粒遥校粒┯肟突义希罚义
本文编号：2744825
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2744825.html
