基于约束策略的WSN低能耗粒子滤波跟踪算法

目标跟踪是无线传感器网络研究的关键技术之一,如何在保证较低能量消耗的前提下,实现监测场景中运动目标准确跟踪是需要解决的问题。在深入研究分析传感器网络目标跟踪算法的基础上,提出了基于约束策略的WSN低能耗粒子滤波跟踪算法。该算法采用动态分簇,既减少网络的能量消耗,又保证监测目标节点的数量;在跟踪过程中,采用约束策略得出目标估计区域,对粒子采样结果进行优化,同时对状态空间模型进行改进,增强粒子对目标的跟踪能力。仿真结果表明,提出的跟踪算法有效的实现目标的跟踪,在保证低能耗的同时提高了跟踪精度。     

基于量子遗传粒子滤波的WSN目标跟踪算法

为了解决粒子滤波算法中存在的严重的退化现象,以及采用常规的重采样方法解决退化问题导致的粒子耗尽问题,研究了粒子滤波退化现象存在的原因和量子遗传算法具有的优点,将量子遗传算法引入粒子滤波,提出了基于量子遗传粒子滤波的无线传感器网络目标跟踪算法.通过量子遗传算法的编码方式增加粒子集的多样性,从而缓解了粒子滤波的退化现象并解决了粒子耗尽问题,而量子的并行性也节省了计算时间,提高了跟踪的实时性.仿真结果表明了该算法是可行的.     

WSN中基于粒子滤波的目标跟踪研究

针对无线传感器网络中仅有角度测量的目标跟踪问题,详细分析其定位过程,提出一种基于改进粒子滤波算法的新解决方案.方案采用高斯混合模型(GMM)代替单一模型近似概率密度分布,融入粒子滤波算法,提议分布采用SRUKF-PF算法更新粒子.算法中增加改进措施以提高滤波性能如:残差重采样算法用于重采样、K-means算法用于构建预估起始点、EM算法用于拟合GMM近似等.仿真结果验证了方案的有效性.     

基于粒子滤波预测的WSN分布式动态目标跟踪设计

为了保证在具有较高跟踪精度的条件下,实现WSN监测区域移动目标的动态跟踪,并尽可能地降低节点能耗和延长网络的生命周期,提出了一种基于改进粒子滤波算法的分布式移动目标跟踪算法;首先,对网络假设和目标移动模型均进行了描述,然后设计了实现对移动目标进行跟踪的节点组织策略,对网络进行动态分簇,在初始时刻簇头收集簇成员的目标估值并进行信息融合以获得目标的初始位置,然后在簇头处运行改进的粒子滤波算法并周期收集各簇成员的观测值进行目标跟踪;采用Matlab仿真工具进行仿真,结果表明文中方法能精确地实现WSN监测区域的移动目标跟踪,且与其它方法比较,具有较高的跟踪精度、较小的误差及较大的优越性。     

基于流量预测的WSN入侵检测技术

在无线传感器网络(WSN),针对内部攻击严重威胁网络的安全和正常运行,如造成网络拥塞、能量的大量消耗等问题,提出基于流量预测的入侵检测技术。该技术首先利用自回归滑动平均模型ARMA(Autoregressive Moving Average)为节点建立ARMA(2,1)流量预测模型,然后利用预测的流量值来得到通过节点的流量接收率范围,最后通过比较实际流量接收率是否超出预测范围来达到检测的效果。实验结果表明,和单独使用ARMA模型相比,在相同报文重放率条件下,采用该技术有更高的检测率和更低的误报警率,同时减少了网络节点的能量消耗。     

基于粒子滤波的多目标跟踪研究

针对无线传感器网络中的多目标跟踪问题,为提高系统的精度,减少误差,提出一种自适应基于粒子滤波的多目标跟踪算法(APF).算法根据粒子历史信息与后验信息的关联度,自适应的调整粒子采样分布.由目标分布与节点测量的关系,将节点组织成簇,并用簇内的节点测量表示目标特征.目标状态的估计由粒子加权表示,权值与粒子和对应目标特征的相似度成正比.仿真结果表明,APF算法较好地解决无线传感器网络下的多目标跟踪问题,跟踪误差相对于经典分布式粒子滤波降低30%,验证了APF算法可以实时多目标跟踪,实现了较好的跟踪效果.     

基于粒子滤波的分布式目标跟踪算法

根据无线传感器网络分布式目标跟踪的特性,提出一种改进粒子滤波算法。将簇内各节点最新的观测数据用极大似然估计法得到目标的状态信息,该信息作为参考分布更换粒子滤波部分粒子,引入模糊推理的数据融合方法为各个节点滤波结果分配不同权值,通过加权平均法得到目标的状态信息。仿真实验表明该算法能有效提高目标跟踪的精度。     

无线传感器网络入侵检测研究

首先分析了无线传感器网络的主要特点;然后对无线传感器网络中的入侵检测方案进行分类论述,着重阐述了典型的入侵检测算法并作了详细的分析比较;最后对无线传感器网络中的入侵检测技术进行总结,并指出了一些亟待解决的问题。     

WSN中基于MDP与博弈论的入侵检测系统

针对无线传感器网络（WSNs）中容易遭受多种攻击的问题,提出一种融合马尔可夫决策过程（MDP）和博弈论的WSN入侵检测系统（IDS）,称为马尔可夫博弈入侵检测系统（MG-IDS）。MG-IDS采用博弈论和MDP的异常、误用检测技术来确定最佳的防御策略,同时利用MDP和攻击模式挖掘算法,根据攻击记录来预测未来攻击模式。通过仿真实验,比较了MG-IDS、仅博弈论和仅MDP三种方案,在不同攻击频率下,对多类型混合攻击的防御性能进行了比较,实验结果表明,所提出的MG-IDS具有较高的防御成功率。     

基于量子粒子群的BP网络用于入侵检测

针对遗传算法、粒子群算法等BP网络的学习算法对高维复杂问题仍易早熟收敛,且无法保证收敛到最优解。把量子粒子群算法应用于BP网络的学习中,并把改进BP网络用于入侵检测。通过KDD99CUP数据集分别对基于不同学习算法的BP网络进行了实验比较,结果表明:该算法的收敛速度较快,可在一定程度上提高入侵检测系统的准确率和降低的误报率。     

拈轻怕重 时尚便携本本精选

俗话说，一年之计在于春，为了让自己在新的一年里取得更加出色的成绩，上班族们顾不上陶醉于春天的美好景色，都已经开始了忙碌的工作。如何让自己的工作做得更得心应手呢，对于许多朋友来说，购买一台笔记本绝对是大为有益的。     

Intrusion Detection in Ad-hoc Networks

The rapid increase of wireless networks and mobile computing applications has changed the landscape of networks security. The traditional way to protect networks with firewalls and encryption software is no longer sufficient and effective. We need to search for new techniques to protect the wireless networks and mobile computing application. In this paper, we introduce the demands of ad-hoc environment. We focus on two areas of ad-hoc networks, wireless firewall and wireless intrusion detection. Furthermore, we particularly analyze the architecture, the problems and the challenges of current IDS techniques for wireless ad-hoc networks.     

基于数据挖掘的入侵检测技术研究综述

入侵检测技术是近年来研究的热点,首先说明入侵检测研究的重要意义和必要性,然后在深入研究数据挖掘技术和入侵检测技术的基础上,针对目前入侵检测系统中存在的一些问题,介绍几种典型的解决方案,并对它们进行比较和分析,讨论今后研究发展方向.     

入侵检测技术发展简述

入侵检测系统是目前信息安全系统中的一个重要组成部分,讲述入侵技术的定义与分类,分析其检测方法．根据其发展趋势做出和防火墙技术相结合的探讨。     

入侵检测技术现状及发展趋势

随着网络技术的发展及其应用的普及．网络安全问题也越来越成为人们关注的焦点。入侵检测技术．作为解决网络安全的有效途经之一．文中就有关方面进行了论述。     

基于遗传算法的入侵检测系统研究

针对目前入侵检测系统不能有效检测未知入侵行为的问题,根据遗传算法在动态环境中的鲁棒性、自适应性强的特点.提出了一种基于网络的异常检测算法来检测网络数据.该算法弥补了传统的统计检测方法的缺陷,即忽略了一段时间内在网络环境下各变量之间的关系.使用不包含入侵攻击行为的网络数据进行训练学习,并使用多维空间坐标来描述这些网络数据.再利用遗传算法进化出相应的检测规则集来检测异常数据.     

入侵检测研究综述

入侵检测是动态安全技术中最核心的技术之一。从体系结构的演变、检测方法分析和系统测评工作三个方面对当前入侵检测的研究进行技术性综述,讨论了现有的入侵检测体系结构,详细分析了各种入侵检测方法,对现有的入侵检测评估工作进行了总结,指出了当前入侵检测研究中存在的问题和今后发展的趋势。     

入侵检测系统的智能检测技术研究综述

入侵检测是近几年发展起来的新型网络安全策略,它结合防火墙等静态防护技术,实现了网络系统安全的动态检测和监控。现有的入侵检测系统仍存在着快速性和准确性的问题。因此,智能技术在入侵检测技术中的应用成为研究的热点。文章分析了现有的入侵检测技术,并深入分析了统计方法、专家系统、神经网络等多种检测技术在入侵检测系统中的应用。     

基于自适应卷积滤波的网络近邻入侵检测算法

深度无线传感组合网络中的近邻路由节点入侵具有载荷快速变化性,难以对新出现的攻击类型和网络异常行为进行有效识别,因此提出一种基于自适应卷积滤波的网络近邻入侵检测算法。在深度无线传感组合网络的传输信道中进行网络流量采集,构建网络入侵信号模型,在时间和频率上分析网络入侵信号的能量密度和攻击强度等特征信息,构建自适应卷积滤波器进行网络传输信息的盲源滤波和异常特征提取;采用联合时频分析方法进行网络近邻入侵特征信息的频谱参量估计,根据频谱特征的异常分布状态进行无线传感组合网络近邻入侵检测。仿真实验结果表明,采用该方法进行网络入侵检测的准确率较高,对未知的网络流量样本序列具有较高的识别能力和泛化能力,且所提算法优于传统的HHT检测算法、能量管理检测方法。     

基于分层结构的网络入侵检测模型的研究与实现

文章介绍了一种基于分层结构的网络入侵检测模型,它包括以下三部分:一个中心控制级检测模块,多个主机级检测模块和网络代理级检测模块。它们之间通过代理协同检测网络行为,实现实时入侵检测。另外,还介绍了各部分之间的通信机制。