基于卷积神经网络的高速无线局域网分组丢失和错误原因识别方法

无线网络中分组丢失和错误是由信道错误和冲突所导致的。有效识别分组丢失和错误的原因是实现高性能IEEE 802.11n协议的基础。本文主要研究分组丢失和错误原因的识别方法,提高识别原因的准确率,降低识别开销。本文基于监督学习理论提出MPLEC,它是一种轻量级的、准确的分组丢失和错误识别分类方法。MPLEC通过大量实地场景统计实验对分组接收情况进行分析,提取链路层RSSI（Received Signal Strength Indication）、CSI（Channel State Information）组成的特征向量作为监督学习模型的输入。通过监督学习方法对多类MPLEC分类模型进行离线训练和检验,结果表明MPLEC获得至少87%的准确率。最后基于MPLEC的CSMA/CA协议验证了MPLEC的识别性能。实验结果表明,与原有退避算法相比,本文方法可以将重传成功的概率提高25%,时间利用率提高7.8%。     

一种新的无线传感网络干扰攻击检测技术

为了解决现有干扰攻击检测技术存在数据包丢失、高开销和网络吞吐量的问题,提出了一种基于群集和时间戳的无线传感器网络干扰攻击检测技术。该技术基于聚类算法对传感器节点进行分组,利用时间戳识别恶意节点,通过判断签名是否匹配来检测干扰。如果任何节点被识别为恶意节点,就安排新群集绕过堵塞的区域,通过备用路由来继续通信。实验表明与现有技术相比,基于时间戳的干扰检测技术在数据包传输率（packet delivery ratio,PDR）、网络吞吐量、能量消耗和路由开销方面均优于现有方法性能。     

具有间歇性观测的无线传感器网络分布式容错目标跟踪

针对具有随机间歇性观测的无线传感器网络, 基于多模型估计方法和一致性信息滤波器, 提出一种对观测节点故障容错的自适应分布式目标跟踪方法. 将传感器节点随机间歇性观测丢失和到达过程建模为马尔科夫切换系统, 在容积信息滤波器框架下, 估计传感器节点的观测丢失和到达的后验概率. 通过观测状态概率组合计算每个局部传感器节点的信息贡献, 基于自适应多模型估计方法, 实现对间歇性观测的容错性. 仿真结果表明了所提出算法的有效性和对间歇性观测的自适应容错性.

     

基于接收端的WLAN误码丢包原因识别方法

现有基于发送端的误码丢包原因识别方法存在通信开销大、识别准确度不高等问题,通过理论分析发现当无线传输出现冲突丢包时,数据包在接收端的误差向量幅度(EVM)通常比弱信号丢包时大,从而验证了EVM对丢包原因的区分效果。在此基础上,提出一种基于接收端的无线局域网误码丢包原因识别方法。该方法在接收端直接读取接收信号强度及EVM值,使用贝叶斯分类方法进行冲突丢包和弱信号丢包的识别。实验结果表明,与COLLIE识别方法相比,该方法不产生任何额外的通信开销,具有较高的识别准确率、较低的误报率和漏报率。     

一种引入复杂网络理论的软件数据流脆弱点识别方法

研究了卫星LTE上行同步系统在单粒子效应影响下软件数据流错误的脆弱点识别问题,并针对现有错误传播分析方法对大容量数据处理软件脆弱点识别存在较大偏差的问题,结合星载LTE上行同步处理大容量数据处理需求,引入复杂网络理论,提出一种基于网络节点度的软件数据流脆弱点识别方法.该方法以错误传播分析方法为基础,通过定义单粒子翻转错误渗透率,采用矩阵化描述方法构建了错误传播网络模型,将软件数据流脆弱点挖掘问题转换为网络关键节点挖掘问题,以一定的虚警概率搜索所有的局部极值,从而实现该虚警概率下全部的数据流脆弱点挖掘.仿真结果表明,该方法可有效识别星载LTE上行同步处理大容量数据处理中的脆弱点.     

基于词袋模型聚类的异常流量识别方法

针对现有异常流量检测方法的识别准确率低且快速识别需要确定阈值等问题,基于词袋模型聚类,提出一种改进的网络异常流量识别方法。通过对已有的异常流量和正常流量进行K-means均值聚类,得到网络流量中的流量关键点,将网络流量转化映射到相应流量关键点后建立直方图,并采用半监督学习方式对异常流量进行检测。实验结果表明,与基于朴素贝叶斯、支持向量机等的识别方法相比,该方法具有更好的异常流量识别效果。     

医院无线网络信息节点安全性度量方法研究

为了提高医院无线网络信息节点安全性,确保医院无线网络通信的畅通,提出一种基于传感器量化融合跟踪检测的医院无线网络信息节点安全性度量方法。构建医院无线网络信息节点的自适应转发控制模型,采用节点剩余能量融合识别方法进行节点的自适应调度,在物联网环境下实现医院无线网络信息节点的优化定位部署,构建节点的路由探测协议,利用医院无线网络信息节点自身的存活度进行无线传感网络模式下的节点转发链路均衡处理,采用传感器量化融合跟踪测试方法实现医院无线网络信息节点的安全性度量。仿真测试结果表明,采用该方法进行医院无线网络信息节点安全性度量的准确性较高,节点的能量开销较小,提高了节点数据转发的准确率。     

传感器网络失效节点识别技术研究

本文提出一种基于Bloom Filter的传感器网络失效节点的识别方法,该方法在不增加传感器网络节点负担的情况下,对传感器网络中无法正常工作的传感器节点进行识别.分析了算法中不同参数选取对于识别性能的影响,并通过仿真对算法准确性进行了验证.     

面向流量识别系统的聚类算法的比较与分析

考虑到基于端口的识别方法准确性比较低,而基于有效负载的方法的开销太大,促使利用应用连接到网络时的特征流的特点来识别流量。引用几种常见的聚类算法,提出基于聚类算法的识别方法,该方法包括两个阶段：通过离线学习阶段学习到流量的特征;在线识别阶段把学习到的特征用于在线的流量识别。通过实验表明该方法对流量识别,尤其是P2P流量最高可达90％以上的识别率。     

基于能耗信任值的无线传感器网络Sybil攻击检测方法研究

无线传感器网络在应用过程中常遭到Sybil攻击,遭到攻击时将导致数据丢失甚至网络瘫痪。现有的Sybil攻击检测方法存在通信成本高、内存开销大等问题,很难实际应用于无线传感器网络的攻击检测之中。本文提出一种轻量级的基于能耗信任值的无线传感器网络Sybil攻击检测方法,该方法采用两级检测的方式防御Sybil攻击,在每级中首先利用节点 ID和位置进行初步检测,接着根据节点的剩余能量和定时窗口计算能耗信任值,最后对传输数据进行融合,减少通信开销。仿真实验结果表明该方法具有较高的检测准确率、较低的通信和内存开销。