论文部分内容阅读
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。