[发明专利]一种动态自适应的无线传感器网络入侵检测智能方法

摘要

本发明涉及一种动态自适应的无线传感器网络入侵检测智能方法，属于无线传感器网络信息安全技术领域。该方法包括：采用min‑max标准化方法将网络特征归一化；通过均值漂移算法将训练数据聚类为多个簇，并根据簇中心之间的相对距离合并成两个簇；以正常数据为模版将这两个簇标记为正常或异常；训练数据的每个特征向量根据它与它所在的簇中心之间的距离来分配权重；将标记并加权的训练数据作为加权支持向量机的输入来构建决策函数；测试数据通过决策函数判别正常或异常；在检测阶段，每隔更新时间将决策函数判定后的检测数据加入到训练数据来重建决策函数。该算法部署简单，成本低，能适应不同的网络结构，能检测不同形式的攻击行为，而且具备扩展能力。

主权项

1.一种动态自适应的无线传感器网络入侵检测智能方法，其特征在于：该方法包括以下步骤：步骤一：无线传感器网络节点每隔一个时间间隔Δt发送其状态信息给基站；基站将在时间[0,t]内收到的节点状态信息定义为网络流量；网络流量以时间点m为分界线进行分割，将网络流量分割为训练数据和测试数据；将无线传感器网络初始化后短暂时间[0,n]时间内状态信息定义为正常数据，该时间段内不存在任何攻击行为；步骤二：数据归一化，将训练数据通过min‑max标准化方法进行归一化；步骤三：通过均值漂移聚类算法偏移正常数据的初始特征向量x₁得到初始偏移轨迹；偏移轨迹内经过的点认为是属于同一个聚类，轨迹的最后一个点认为是聚类中心；x₁之后的训练数据依据初始偏移轨迹进行聚类，得到多个簇；将包含正常数据的簇标记为正常簇，将偏离正常簇最远的簇标记为异常簇，剩余的簇就近合并到正常簇或异常簇；步骤四：正常簇和异常簇中的点根据点到其聚类中心的距离分配权值；将训练数据、簇标记和权值作为输入给加权支持向量机来生成决策函数；决策函数用于检测测试数据正常或异常；步骤五：通过决策函数将测试数据标记为正常或异常；根据决策结果将这些特征向量划分到对应的簇中，并用于更新决策函数；步骤六：每隔一个更新时间ΔT，将已决策的数据加入到训练数据，并根据均值漂移聚类算法从新的训练数据中获取新的聚类中心；根据新的聚类中心更新训练数据的权值；最后通过加权支持向量机从新的训练数据和新的权值中生成新的决策函数。