文献类型：期刊文章

作　　者：肖衡[1,2] 龙草芳[1]

XIAO Heng;LONG Caofang(School of Information&Intelligence Engineering,University of Sanya,Sanya Hainan 572022,China;Academician Workstation of Chen Guoliang,University of Sanya,Sanya Hainan 572022,China)

机构地区：[1]三亚学院信息与智能工程学院,海南三亚572022 [2]三亚学院陈国良院士工作站,海南三亚572022

出　　处：《传感技术学报》

基　　金：海南省自然科学基金(621QN0900);三亚市高校及医疗机构专项科技项目(2021GXYL58);海南省高校科学研究项目(Hnky2021-52)。

年　　份：2022

卷　　号：35

期　　号：5

起止页码：692-697

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：无线传感网络通信因节点资源有限,易受第三方攻击,因此以机器学习为基础,研究了一种无线传感网络通信异常入侵检测技术。将机器学习中的支持向量机应用于无线传感网络中,在初始权重空间构建支持向量机节点定位模型;明确现阶段网络通信状态;创建节点重要性概念,将重要性强的节点设为易被攻击对象;推算异常行为造成的潜在损失,若大于设定临界值,视该节点为异常入侵并进行隔离。仿真分析表明:所提方法的误报率始终低于6%,漏报率最高为4%,网络能量消耗低于2 J,在25次迭代仿真分析过程中异常入侵检测时间的波动范围为2 s~6 s。仿真结果验证了所提技术具备优秀的异常入侵检测精度与效率,能有效降低网络能耗,鲁棒性强。

关 键 词：机器学习  无线传感网络 入侵检测 支持向量机

分 类 号：TP393]