无线传感器网络入侵检测系统模型.pdf

《无线传感器网络入侵检测系统模型.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、46传感器与微系统(TransducerandMicrosystemTechnologies)2016年第35卷第5期DOI：10．13873／J．1000-9787(2016)05--0046-03无线传感器网络入侵检测系统模型金鑫，胡平(南京工业大学计算机科学与技术学院。江苏南京211816)摘要：为了提高无线传感器网络的安全性，针对无线传感器网络的自身特性，设计了一种入侵检测系统模型。该模型按照聚类的方法，将区域划分成簇；在每个簇中选举簇头，簇头需定期轮换；采用基于相关向量机(RVM)的入侵检测方案。实验表明：所提出的模型与其它检测模型相比具

2、有更高的平均检测率和更低的平均误检率，且具有低能耗的特点。关键词：无线传感器网络；入侵检测；相关向量机中图分类号：TP393文献标识码：A文章编号：1000-9787(2016)05-0046-03IntrusiondetectionsystemmodelforwirelesssensornetworksJINXin，HUPing(CollegeofComputerScienceandTechnology，NanjingTechnologyUniversity，Nanjing211816，China)Abstract：Toimprovesafety

3、ofwirelesssensornetworks(WSNs)，inviewofcharacteristicsofWSNs，anintrusiondetectionsystemmodelisdesigned。Accordingtoclusteringmethod，themodeldividesareaintoclusters；electclusterheadsineachcluster，clusterheadsshouldberotatedregularly；adoptintrusiondetectionschemebasedOilrelevance

4、vectormachine(RVM)．Experimentalresultsshowthattheproposedmodelhasahigheraveragedetectionrateandloweraveragefalseratecomparedwithotherintrusiondetectionmodels，andhascharacteristicsoflowenergyconsumption．Keywords：wirelesssensernetworks(WSNs)；intrusiondetection；relevancevectormac

5、hine(RVM)0引言布集中混合式。在本文的入侵检测模型中，所有传感器节无线传感器网络(WSNs)已成功应用到了工业、军事、点都有入侵检测代理。此外，模型采用聚簇技术将所有的环境保护以及交通运输等多个领域，同时也是物联网中无线传感器网络节点分配到不同的簇中，在每一个簇中都获取信息的主要方式。无线传感器网络通常部署在无人看有称之为簇头的组织者和其它的传感器节点成员。所有的管的区域，由于传感器网络中节点能量受限、通信介质开簇头形成上层节点，而其它传感器节点则形成下层节点，簇放、网络边界模糊等特性，使得无线传感器网络比其它头对簇内传感器节点进行信息融合

6、，并通过其它的簇头将网络更易遭到人侵，因此，其安全问题也愈发重要。数据传送给基站。为了均衡节点的能量消耗，簇头需要定目前，针对无线传感器网络入侵检测模型的研究已提期轮换。当一个传感器节点被选中为簇头时，其上的入侵出了不少方法。TangJiayu等人提出了基于RSSI合作的检测代理被同时启动，而其它传感器节点上的入侵检测代入侵检测系统；YanK等人提出了一个基于分簇的结构理将处于睡眠转态。图1为网络模型。混合入侵检测系统，用异常检测模快来过滤数据包，用误用检测模块来决定当前行为是否属于入侵，用BP神经网络☆簇头来划分入侵；LiLei等人提出了一个层次

7、结构的入侵检。正常传感器节点测模型，将无线传感器网络的体系结构划分为人侵层、合作●异常传感器节点△站层以及基站层。1无线传感器入侵检测模型图1无线传感器网络入侵检测模型本文采用的无线传感器网络入侵检测系统模型属于分Fig1Wirelesssellsornetworksintrusiondetectionmodel收稿日期：2015-08—19第5期金鑫，等：无线传感器网络入侵检测系统模型472入侵检测系统的设计与实现些满足传感器节点开销小的特点。2．1簇的划分2．2簇头选择考虑到相邻传感器节点采集到的数据差异性较小，被簇头的选择参照LEACH分簇算

8、法，它的基本思想是划分到同一类别的可能性较大。本文采用一种基于区域划随机的循环等概率的选择簇头。在簇的初始阶段，每一个分的