基于危险理论和DCA的WSNs入侵检测系统模型.pdf

《基于危险理论和DCA的WSNs入侵检测系统模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、102传感器与微系统(TransducerandMicrosystemTechnologies)2014年第33卷第4期基于危险理论和DCA的WSNs入侵检测系统模型王鑫，张钰，蒋华，刘建明(桂林电子科技大学计算机科学与工程学院，广西桂林541004)摘要：针对无线传感器网络(WSNs)由于自身特点易于遭到入侵且传统被动的安全机制无法完全应对这一问题，对人工免疫系统(AIS)进行研究，设计一种新的入侵检测系统(IDS)模型。模型采用危险理论和适用于WSNs的改良树突状细胞算法(DCA)，可使节点之间彼此分工合作共同识别入侵，加

2、强了网络的鲁棒性。仿真结果显示：与早期的自我一非我(SNS)模型相比，研究的模型在检测能力和能耗上均有很好的表现。关键词：无线传感器网络；入侵检测系统；人工免疫系统；危险理论；树突状细胞算法中图分类号：TP393文献标识码：A文章编号：1000-9787(2014)04-0102-04IntrusiondetectionsystemmodelforWSNsbasedondangertheoryandDCAWANGXin，ZHANGYu，JIANGHua，LIUJian—ming(SchoolofComputerScience&

3、Engineering，GuilinUniversityofElectronicTechnology，Guilin541004，China)Abstract：AimingattheproblemthatWSNsispronetodifferentattacksduetohisOWUfeaturesandtraditionalpassivesecuritymechanismcan’tfullysolvethisproblem，inordertoimprovethecurrentsecuritysituation，designan

4、ewintrusiondetectionsystem(IDS)modelinspiredinartificialimmunesystem(AIS)．Itusesdangertheoryandimproveddendriticcellalgorithm(DCA)appliedinWSNs，whichmakenodestoexecutedifferentfunctionandcollaboratetoidentifyintrusion，andstrengthenrobustnessofWSNs．Simulationresultss

5、howsthatcomparedwithself-nonself(SNS)model，thenewIDSmodelisbetterindetectingcapacityandenergyconsumption．Keywords：WSNs；intrusiondetectionsystem(IDS)；artificialimmunesystem(AIS)；dangertheory；dendriticcellalgorithm(DCA)0引言隆选择(clonalselection)和免疫网络学说(immunenetwork无线传感器

6、网络(wirelesssensornetworks，WSNs)由theory)。DrozdaM等人提出了一种受免疫启发的于网络拓扑结构的动态变化和节点的资源有限性等特点，WSNs的入侵检测模型，模型利用否定选择算法将监听信使其在安全方面极易受到威胁⋯。而传统被动的防御措息编码进行模式匹配，但忽略了整个过程在单节点进行会施(如安全路由、信任机制等)很难满足实际的安全需求，极大消耗节点的资源和能量从而减少节点寿命。Wallenta入侵检测系统(intrusiondetectionsystem，IDS)便是解决以C等人将树突状细胞算

7、法(dendriticcellalgorithm，DCA)上问题的方法之一。人工免疫系统(artificialimmunesys—和定向扩散协议互相关联用于WSNs的入侵检测中，这使tem，AIS)受人体免疫系统启发，近年来，由于其与入侵检入侵检测组件和路由协议无法相互独立，入侵检测的复用测系统的运作机制有着高度的相似性而受到广泛的关性降低，无法在不同的应用场景中重复使用。注。受AIS中的危险理论和DCA的启发，本文设计一个通目前，对基于AIS的入侵检测技术的研究还处于初级用的分布式的IDS模型，传感器被分配不同的功能，这样可

8、阶段，并且大部分都集中在对自我一非我(self-nonself，SNS)使单个节点无需运行整个检测实例，节约了节点的能量和模型的应用，这其中包括否定选择(negativeselection)、克资源，也加强了整个网络的鲁棒性。收稿日期：2013-08—15基金项目：国家自然科