WSN中一种用于边界入侵检测的节点部署方案

入侵检测是无线传感器网络安全研究的一个重要方面。针对现有的入侵检测方案大多只考虑保护单一的网络设施,很少将整个WSN网络看作一个整体来进行入侵检测的不足,提出一种面向边界入侵检测的节点部署方案。首先将整个监测区域看作一个整体,然后基于逆高斯分布对节点进行部署,靠近边界的区域被部署更多数量的传感器节点,最后为了保证整个网络的连通和覆盖,通过将整个区域划分为多个轮,从理论上分析了在每轮中所需部署传感器节点的最少数目。仿真实验结果表明,该方案能够有效地实现入侵检测,在入侵距离和入侵所触发的传感器节点数目方面都要优于高斯部署和均匀部署方案。     

基于流量预测和相关系数的异常检测

安全问题是无线传感器网络应用面临的重要挑战之一。提出了一种基于混沌时间序列预测和相关系数相结合的异常入侵检测方法,该方案首先对正常情况下无线传感器网络节点的流量应用混沌时间序列方法进行预测,然后根据传感器节点的流量预测序列和实际流量序列的相关系数变化来进行异常检测。实验结果表明,该方案在入侵检测率达到相当高的程度,与当前典型的WSN入侵检测方案相比较具有更优越的性能。     

无线传感器网络入侵检测方案的研究

无线传感器网络计算能力、存储能力、电量供应十分有效,很容易遭受各种类型的攻击。该文提出了一种轻量、高效、灵活的分组入侵检测方案,整个传感器网络被划分成若干物理位置临近、具有相似观测结果的分组,组内各传感器节点同时观测其他节点的多个属性,以便精确地检测各种攻击行为。实验结果表明,与传感器网络中现有的入侵检测方案相比,该方案具有较低的误报率同时消耗更少的能量。     

基于分组的无线传感器网络入侵检测方案

为了有效地检测无线传感器网络所面临的各种恶意攻击,提出了一种轻量、高效、灵活的分组入侵检测方案.在该方案中,整个传感器网络被划分成若干物理位置临近、具有相似观测结果的分组,组内各传感器节点同时观测其它节点的多个属性,以便精确地检测各种攻击行为.实验结果表明,与传感器网络中现有的入侵检测方案相比,本方案具有较低的误报率和较高的检测精度.同时消耗更少的能量.     

WSN中基于粒子滤波的入侵检测算法实现

安全问题已经成为无线传感器网络进一步发展和应用的障碍之一。文章提出了一种基于粒子滤波算法的入侵检测技术,该方案利用LEACH算法对无线传感器网络节点进行分簇,通过粒子滤波算法对簇内节点的数据流量情况进行检测,发现其中的异常节点,并利用MATLAB仿真工具对节点的反应灵敏度进行仿真。结果表明,算法计算得出的异常检测率维持在0.48到0.7之间,检测系统处于一种较为稳定的状态,粒子滤波能够较好的运用到WSN的入侵检测系统中。     

无线传感器网络中基于规范的入侵检测算法研究

为了解决无线传感器网络的安全问题,提出了一种基于规范的入侵检测算法。该算法根据概率论的有关理论,对邻域节点的单位时间特征量设定阈值,阈值的设定方法具有通用性,并且阈值自适应更新,符合传感节点性能随着时间发生变化的特点。将检测节点获得的单位时间特征量值与阈值进行对比来判断入侵。通过仿真实验验证了该算法优于其他基于规范的入侵检测方案,不仅能够满足高检测率低误报率的要求,还具有较好的能效性。     

一种蚁群优化的WSN分布式入侵检测模型

针对无线传感器网络中入侵者能在多个节点上移动并隐藏攻击源头的特点,提出了一种基于蚁群优化的无线传感器网络分布式入侵检测模型。分析了现有入侵检测对未知攻击检测率和误报率方面的不足,在此基础上提出了分布式入侵检测的体系结构,设计了基于蚁群优化的入侵检测算法。仿真实验表明提出的方案能够提高无线传感器网络对未知攻击的检测率和降低对正常网络流量的误报率,较好地解决了路由攻击、Sinkhole攻击问题,能够降低入侵检测的能耗。     

基于核Fisher判别分析的无线传感器网络入侵检测算法

无线传感器网络能量有限、计算能力有限,传统网络中的入侵检测方法不适用于无线传感器网络。提出了一种基于核Fisher判别分析的无线传感器网络入侵检测算法,利用核Fisher判别分析对比传感器节点数据和已建立的入侵行为特征来判断是否存在入侵行为。理论分析和仿真实验表明,该方法能有效的检测入侵行为,并且具有低能耗、计算量小的特点,适用于计算能力有限、能量紧缺的无线传感器网络入侵检测。     

无线传感器网络中基于ELM的混合入侵检测方案

在研究机器学习算法的基础上,提出一种基于极限学习机( ELM)的混合入侵检测方案。将无线传感器网络分为感知层、数据汇聚层和核心控制层,在每层分别设置与其相适应的入侵检测方案,并在能量充足的核心控制层布置信任管理模块和ELM模块。信任模块可以及时筛去异常节点,相比于支持向量机算法训练速度更快,可提高入侵检测效率。实验结果表明,该方案在保证较高检测率的基础上,降低了能耗,延长网络运行时间,更适合于资源受限的无线传感器网络。     

基于簇的传感器网络节点复制攻击检测

当传感器节点布置在敌方区域并遭到敌人捕获时,敌方有能力破解传感器节点而得到其中所存储的重要信息.敌人一旦掌握这些信息,便可以复制一系列这样的节点且将其布置到网络中为进一步开展攻击作准备,这种入侵活动被称为传感器网络节点复制攻击.节点复制不同于诸如路由攻击一类的外部攻击,它直接危害传感器节点,破坏力强,给网络带来严重影响.在现有的分布式检测方法基础上提出一种基于簇结构的传感器网络节点复制攻击检测方案.仿真实验表明,改进的方案能对节点复制攻击做出有效判断,而且传输开销较现有检测方案要小.     

基于支持向量机的无线传感器网络的入侵检测系统

无线传感器网络入侵检测方法是目前的研究热点。在介绍支持向量机(SVM)原理、无线传感器网络的入侵类型以及不同类型所具有的数据特性的基础上,提出了一种基于SVM的无线传感器网络的入侵检测系统,该系统把网络拓扑分为簇成员、簇头和Sink三层结构,每层均能根据SVM的训练结果进行入侵检测的判断。实验结果表明:该检测系统具有较高的检测率和较低的能量消耗。     

分布式入侵检测系统模型研究

避开入侵检测系统的核心问题——入侵检测算法的具体实现，通过对有关感应器、分析器问题的研究分析，提出了一些有利于提高入侵检测准确率、提高系统吞吐量、提高系统自主学习能力的建议。以此为基础，给出了一种不受具体入侵检测算法限制的分布式入侵 检测模型，分析了该模型的优缺点。     

一种基于MA的无线传感器网络IDS模型研究

本文针对分簇式无线传感器网络的特点,将入侵检测技术与移动Agent技术相结合,提出一种基于MA的无线传感器网络入侵检测方案,采用多个Agent模块分布协作,运用一种基于聚类的入侵检测算法,从而达到提高无线传感器网络的安全性、可靠性,降低入侵检测能量消耗的目的。     

基于免疫原理的无线传感器网络Multi-Agent入侵检测研究

在分析免疫系统特性及其无线传感器网络Multi-Agent系统相似性的基础上,将生物免疫机理同入侵检测技术相结合,搭建了一个基于生物免疫原理的Multi-Agent入侵检测的无线传感器网络模型,并引入了疫苗提取与接种技术,增加了记忆免疫细胞的多样性,提高了系统检测率。针对分簇式无线传感器网络的特点,该模型采用分层结构组织各种Agent,不同层次的Agent分工与检测任务都不同,通过对仿真实验结果进行分析可以看出:该系统有利于降低节点的能耗,延长生命周期。     

基于系统调用顺序和频度特性的入侵检测模型

提出了一种将系统调用的顺序特性和频度特性相接合来构建入侵检测模型（COFIDS模型）的新方法，该模型采用kNN(k-Nearest Neighbor Classifier)算法实现入侵检测，并利用一种改进的相似因子，来增加系统调用序列间相似度的差别，减少了识别误差，提高了检测率，降低了入侵检测的误报率。实验表明，COFIDS还具有较强的抗噪声干扰的能力。抗噪声干扰的能力。     

并行入侵检测系统的预测负载均衡方法

数据流的高速化使得网络入侵检测系统(network intrusion detection system,NIDS)往往会出现严重的漏报率,并且面对某连接上突发流量的情况,基于连接的负载均衡很难做出较好的应对措施,针对该问题,提出了一种基于包预测的并行入侵检测的负载均衡方案。该方案通过观察每个探测器上数据包的进出情况,由包预测负载均衡算法预测下一个时刻各探测器上的负载情况,避免了将新连接加入到流量突发探测器的可能,提高了负载均衡的效率。仿真实验结果表明了该方案的可行性及有效性,它能有效的均衡负载,减少系统的丢包率。     

基于序列模型的无线传感网入侵检测系统

随着物联网(IoT)的快速发展，越来越多的IoT节点设备被部署，但伴随而来的安全问题也不可忽视。IoT的网络层节点设备主要通过无线传感网进行通信，其相较于互联网更开放也更容易受到拒绝服务等网络攻击。针对无线传感网面临的网络层安全问题，提出了一种基于序列模型的网络入侵检测系统，对网络层入侵进行检测和报警，具有较高的识别率以及较低的误报率。另外，针对无线传感网节点设备面临的节点主机设备的安全问题，在考虑节点开销的基础上，提出了一种基于简单序列模型的主机入侵检测系统。实验结果表明，针对无线传感网的网络层以及主机层的两个入侵检测系统的准确率都达到了99%以上，误报率在1%左右，达到了工业需求，这两个系统可以全面有效地保护无线传感网安全。