[发明专利]基于环境特征自适应筛选的被动入侵检测方法

摘要

本发明公布了一种基于环境特征自适应筛选的被动入侵检测方法，首先在目标感知区域内采集一组无人静默数据和有人走动数据，并提取每条链路包括最大值、最小值、中值、均值、极差值以及方差在内的6种环境特征；其次，利用分布差异性度量方法评估每条链路中各个特征的分布差异，并根据分布差异程度进行环境特征筛选；之后，再采集一组无人静默数据和有人走动数据，并根据环境特征筛选的结果，提取每条链路相应的特征，构建特征矩阵；最后，利用特征矩阵训练基于决策树的被动入侵检测模型，并用于在检测阶段判断当前环境是否存在入侵。本发明方法解决了传统检测算法对不同监测环境适应性较差的问题，且能实现准确的被动入侵检测。

主权项

1.基于环境特征自适应选择的被动入侵检测方法，其特征在于，包括以下步骤：步骤一、在目标监测区域内，布置X个监测设备(Monitor Point，MP)，以及Y个无线信号接入点(Access Point，AP)，可得K＝X×Y条无线链路，其中监测设备的监测频率为1秒/次。步骤二、利用监测设备MP分别采集一组短时间的静默数据Xnor和走动数据Xabn，采集长度相同为T1秒；步骤三、利用滑动窗提取静默数据中K条数据流中包括最大值，最小值，均值，中值，极差值,方差在内的6种信号特征，令M＝6表示特征数种类数，从而得到静默数据X_nor中K条数据流的特征矩阵步骤四、利用滑动窗提取走动数据中K条数据流中包括最大值，最小值，均值，中值，极差值,方差在内的6种信号特征，令M＝6表示特征数种类数，从而得到走动数据X_abn中K条数据流的特征矩阵步骤五、计算第j条数据流中M个特征在无人静默和有人入侵两种状态下的归一化分布差异值cj,m,m＝1,…,M；步骤六、将第j条数据流中M个特征的归一化分布差异值c_j,m,m＝1,…,M进行从大到小排序，得到其中经过排序后第I_j(n)个特征的归一化分布差异值，其中，I_j(n)＝m，m表示未排序前的特征序号；步骤七、根据步骤六中得到的第j条数据流中M个特征的排序结果，选择前R_j个特征使得并将这前R_j个特征作为第j条链路特征筛选的结果步骤八、重复K次步骤五至步骤七，得到K条链路的特征筛选结果步骤九、利用监测设备MP分别采集一组长时间的静默数据Snor与走动数据Sabn，采集时间长度相同为T3秒；步骤十、根据步骤八中得到的第j条链路特征筛选的结果提取静默数据S_nor和有人走动数据S_abn中K条数据流相应序号的信号特征，构造K条数据流特征矩阵和步骤十一、利用步骤十中得到静默数据S_nor中K条数据流特征矩阵和走动数据S_abn中K条数据流特征矩阵构造二分类决策树的训练矩阵Tr；步骤十二、根据训练矩阵Tr，训练出基于二分类决策树的入侵检测模型H，其中决策树的最大深度MaxDepth＝5；步骤十三、在线监测阶段，各MP实时采集感知环境中K条无线链路的接收信号强度值，从而得到K条数据流其中，表示第j条链路在检测阶段t_on时刻的接收信号强度值，T_on表示检测时间长度；步骤十四、根据步骤八中K条链路的特征筛选的结果并结合步骤三中的特征提取公式，得到在检测阶段t_on时刻特征向量步骤十五、利用步骤十三中训练得到的检测模型H，根据判断在检测阶段在t_on时刻是否存在人员活动，当表示在t时刻时在感知环境中不存在人员走动，当时，表示当前环境中存在人员走动。