基于深度学习的WSN入侵检测系统研究与设计.pdf
《基于深度学习的WSN入侵检测系统研究与设计.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的WSN入侵检测系统研究与设计.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 14 期2023 年 7 月无线互联科技Wireless Internet TechnologyNo.14July,2023基金项目:湖南省教育厅科学研究项目;项目编号:21C1149,22C0949。湖南省大学生创新创业训练计划项目;项目编号:S194139240299,194139240328。作者简介:周慧芝(1983),女,湖南衡阳人,讲师,学士;研究方向:网络安全及数据处理。通信作者:余员琴(1983),女,江西九江人,硕士,副教授;研究方向:无线传感器网络定位与信息安全技术。基于深度学习的 WSN 入侵检测系统研究与设计周慧芝,余员琴,欧洲洋(湖南交通工程学院 电气与信息工程学
2、院,湖南 衡阳 421009)摘要:传统浅层机器学习难以提取现今随时间变化的高维且非线性的海量数据的本质特征,入侵检测准确率低,算法复杂且训练时间过长。对此,采用分簇式网络拓扑,改进 NCRP 算法的路由协议降低网络能耗,在簇头节点使用 SAESM 进行压缩且异常检测提高簇头节点传送给基站节点的有效信息量及快速有效响应,在基站使用 SLSTM 的高级检测算法进行精准识别攻击行为与类型。分析仿真实验结果此算法入侵检测准确率较高,泛化能力较强,实时性好。关键词:WSN;WSN 路由协议;深度学习;数据压缩;入侵检测中图分类号:TP212.9;TN915.08 文献标志码:A0 引言 无线传感器网络
3、应用快速增长,其安全问题越来越突显。保护系统中数据机密、可用、完整以及网络免受入侵攻击是现今学术界与商界共同关注的问题。入侵检测系统(Intrusion Detection System,IDS)收集网络中各种数据,通过收集到的数据可以检测恶意攻击或违反规则等造成的异常情况1。目前入侵检测技术融合智能算法,基于机器学习是主流方法。传统浅层机器学习难以提取现今随时间变化的高维且非线性的海量数据的本质特征,入侵检测准确率低,算法复杂且训练时间过长,传统网络入侵检查系统已不适用于 WSN。针对 WSN 特点设计融合深度学习技术与侵检测技术,考虑全网络能量消耗、内存大小、通信带宽、计算能力及检测准确率
4、等要求的入侵检测系统是当前所趋。1 入侵检测模型 网络安全形势日益复杂,其攻击手段多样化,危害程度不可控,依据检测方法将其分为普通攻击和新型攻击两类2。针对未知特征的新型攻击和入侵检测系统的实用性,本文设计分级式入侵检测模型。考虑无线传感器网络(Wireless Sensor Network,WSN)的特点和入侵检测需求,采用改进的动态竞争的非均匀分簇 路 由 算 法(Non-Uniform Clustering Routing Protocol Based on Energy Consumption,NCRP)路由协议;考虑簇头与基站间传输信息量,网络入侵检测的效率,多种新型攻击和精准率,基
5、于深度学习算法在簇头节点融合数据压缩和异常检测算法,在基站节点进行高级检测,即二级入侵检测响应。在分级式入侵检测模型上,基于深度学习算法的无线传感器网络入侵检测模型分为传感器节点(包括数据采集和数据预处理)、簇头节点(包括路由协议和异常检测)、基站节点(包括高级检测和入侵响应)3 个架构 6 个模块。入侵检测过程主要分为以下 3 个步骤:(1)布置在目标感知区域的传感器节点实现数据采集和预处理模块功能,将采集的敏感数据进行One-hot 编码且标准化后发送给其簇头。(2)首先嵌入在传感器节点的改进 NCRP 的路由协议负责 WSN 中簇的划分,簇头和簇个数的选取;然后启用神经网络 SAE(Sp
6、arse Atuo Encoder)和分类器(Support Vector Machine,SVM)整合成 SAESM 的异常检测,检测无异常,则压缩数据并发送给基站,由基站启用整合成 SAE 和 LSTM(Long Short Term Memory Network),即 SLSTM 算法进行二级检测以防簇头的一级检测出错,反之,簇头进行一级本地响应,再发送给基站,由基站进行二级检测攻击类型。(3)基站的高级检测模块处理簇头发送来正常或异常数据,若检测正常数据仍为正常,则结束;若检测正常数据为异常,则全网响应新型攻击,并更新至网络特征库;若检测的是异常数据,则进行攻击类型识别,若无法识别,则
7、更新至网络特征库。2 改进 NCRP 的路由协议设计2.1 假定条件 设计以人工或机械方式随机部署传感器节点,其WSN 具有以下特征:(1)网络中的全部传感器节点有唯一 ID,随机部署后,不可改动传感器节点 ID 信息。(2)全网络中的每个节点同构其初始能量和计算能力,基站固定布控在监测区外,存储和计算能力无限。(3)网络中的全部节点以接收的信号强度值估计近似距离,以此选取自身的发射功率。(4)网络中的全部节点可进行数据融合,提高有效传输信息量。141第 14 期2023 年 7 月无线互联科技网络互联No.14July,2023(5)网络中的全部节点可获知自身当前剩余能量信息。2.2 NCR
8、P 算法 NCRP 路由协议是基于 LEACH 协议的“轮”循环机制,每轮由非均匀分簇(选取簇首和簇群)、簇间多跳路由构建和数据转发(簇内单跳传输和簇间多跳传输)3 个阶段3。针对靠近基站的簇首具有收发数据等多项任务,导致能量得到大量消耗,本文提出改进LEACH 算法,动态选取簇首使靠近基站形成更多的簇,均衡网络能耗,延长 WSN 的生存期。第一轮非均匀分簇。基于 LEACH 算法提出概率求自算公式(1),以节点与基站间的距离 d 为调节选取簇首因素,d 值越小,候选簇首概率 T 越大,从而控制簇规模,实现簇群多,达到非均匀分簇,式(1)字符信息如表 1 所示。Tn(i)=p1-p(rbmod
9、1/p),dmax-d(Ni,BS)dmax-dmin,Er(i)Et(i)n G0otherwise(1)表 1 式(1)字符信息名称含义r当前的轮数G是 r 前 1/p 轮没有选中簇首的节点集合P表示候选簇首密度(候选簇首数与节点总数之比)dmax全网中节点与基站间最大距离dmin全网中节点与基站间最小距离d(Ni,BS)节点与基站的距离Et(i)节点 Ni初始总能量Er(i)节点当前所剩能量基站以定值功率向全网广播信号数据包,以此计算节点与基站间的近似距离,搜索 dmin的节点,再使用式(3)计算当选候选簇首的概率,在0,1随机选取一个数与 Tn(i)比较,基小于 Tn(i),则该节点进
10、入候选簇首队列,否则进入睡眠状态,日后再被唤醒。后续轮次非均匀分簇。设定临界时间,在时间内簇首若未收到当选消息,以簇内 r 前 1/p 轮未当选簇首且能量最高的节点成为下一轮簇首,并广播选取簇首信息并捎带采集数据传输给簇内节点;若簇内不存在 r 前 1/p 轮未当选簇首节点,参照第一轮分均匀分簇,以此实现均衡节点能量,延长 WSN生存期。簇间多跳路由。NCRP 协议中簇内单跳转发数据简单快捷,簇间多跳转发数据,选取其邻居簇首为中继节点,转发至基站。考虑簇间数据的差异性和算法的复杂性不做数据融合,直接转发完整数据包。黄廷辉等4通过贪婪算法的最小代价函数来建立簇间多跳路由,其代价函数如公式(2)所
11、示,式(2)字符信息如表 2 所示。cost(i,j)=Eneighor(si)Ecurrent(sj)+Nnon-CH(sj)Nnon-CH(si)+d2si-sj+d2sj-BSd2sj-BS i jEneighor(si)Ecurrent(sj)+Nnon-CH(sj)Nnon-CH(si)+i=j&dsj-BS d0+i=j&dsj-BS d0(2)表 2 式(2)字符信息名称含义Eneighor(Si)簇首 Si的邻居簇首剩余能量均值Ecurrent(sj)簇首 Sj的剩余能量Nnon-CH(Sj)簇首 Sj的成员节点数Nnon-CH(si)簇首 Si的邻居簇首成员节点数量的均值ds
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 WSN 入侵 检测 系统 研究 设计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。