本文關鍵詞： 物聯(lián)網(wǎng)技術 無線傳感器網(wǎng)絡 ZigBee 隱馬爾可夫模型 入侵檢測　出處：《華北電力大學(北京)》2014年碩士論文　論文類型：學位論文

【摘要】：隨著物聯(lián)網(wǎng)技術的不斷發(fā)展,無線傳感器網(wǎng)絡(Wireless Sensor Networks,WSN)作為物聯(lián)網(wǎng)通信的基礎,其安全問題成為物聯(lián)網(wǎng)技術發(fā)展亟需解決的重要課題。近些年,很多學者對無線傳感器網(wǎng)絡安全問題進行了研究,并給出了解決方案。這些方案主要集中在了WSN的協(xié)議和架構上,大都是以改變通信協(xié)議的架構或者加入密碼學等相對被動的方法,來增加WSN的安全系數(shù)。本文提出了一種較主動的對WSN進行防護的方式,將入侵檢測引入WSN中。設計了一種基于隱馬爾可夫模型(Hidden Markov Model,HMM)的WSN入侵檢測系統(tǒng)。首先對WSN和HMM的特點進行了闡述,并分析了HMM應用于WSN的優(yōu)勢。然后對WSN可能受到的攻擊進行歸類,并分析各類攻擊的特點,從而確定了WSN入侵檢測方式。然后根據(jù)HMM中的Forward-Backward算法,確定了HMM應用于WSN識別檢測的流程和方法。然后根據(jù)ZigBee協(xié)議的特點和各層幀結(jié)構,設計了幀序列化的方法,并確定了HMM中的Baum-Welch算法對WSN進行HMM建模的方式和方法。最后對系統(tǒng)的建模和入侵檢測流程進行整體設計,并最終用實驗驗證了系統(tǒng)的有效性。
[Abstract]:With the development of Internet of things (IoT) technology, Wireless Sensor Networks (WSNs) is the basis of Internet of things (IoT) communication. In recent years, many scholars have studied the security of wireless sensor networks. These solutions are mainly focused on the protocols and architectures of WSN, mostly by changing the architecture of communication protocols or adding cryptography and other relatively passive methods. In order to increase the safety factor of WSN, this paper proposes a more active way to protect WSN. This paper introduces intrusion detection into WSN and designs a Hidden Markov Model based on hidden Markov model. Firstly, the characteristics of WSN and HMM are described, and the advantages of HMM in WSN application are analyzed. Then, the possible attacks on WSN are classified. The characteristics of all kinds of attacks are analyzed, and the WSN intrusion detection method is determined. Then, according to the Forward-Backward algorithm in HMM. The flow and method of HMM applied to WSN recognition and detection are determined. Then the frame serialization method is designed according to the characteristics of ZigBee protocol and the frame structure of each layer. The method and method of HMM modeling for WSN by Baum-Welch algorithm in HMM are determined. Finally, the overall design of system modeling and intrusion detection process is carried out. Finally, the effectiveness of the system is verified by experiments.
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN929.5;TP212.9

【相似文獻】

相關期刊論文 前10條

1 史笑興,王太君,何振亞;二階隱馬爾可夫模型的學習算法及其與一階隱馬爾可夫模型的關系[J];應用科學學報;2001年01期

2 胡迎松,朱阿柯,陳剛,陳中新;一種基于二維隱馬爾可夫模型的圖像分類算法[J];計算機應用;2005年04期

3 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構預測[J];電腦知識與技術(學術交流);2007年14期

4 俞琰;;基于隱馬爾可夫模型的招聘網(wǎng)絡信息抽取[J];北京電子科技學院學報;2008年04期

5 方浩;許鴻文;蔡益宇;;一種基于語義關系改進的隱馬爾可夫模型研究[J];通信技術;2008年05期

6 李玉擰;;二維隱馬爾可夫模型的幾個等價定義[J];北京工業(yè)大學學報;2008年06期

7 俞琰;;基于隱馬爾可夫模型的招聘網(wǎng)絡信息抽取[J];自動化技術與應用;2008年10期

8 侯昭武;;隱馬爾可夫模型的拓樸應用[J];河南師范大學學報(自然科學版);2009年06期

9 劉輝;楊俊安;許學忠;;一種改進的隱馬爾可夫模型訓練方法及其在聲目標識別中的應用[J];電路與系統(tǒng)學報;2011年01期

10 黃崗;;馬爾可夫及隱馬爾可夫模型的應用[J];電子設計工程;2013年17期

相關會議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關系[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識[A];2009’中國西部地區(qū)聲學學術交流會論文集[C];2009年

3 吳志強;陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關的說話人辨認的研究[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識別中的應用[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識別[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

6 徐東風;周萍;景新幸;;改進隱馬爾可夫模型的非線性分段技術應用[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識別系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關定華;;基于隱馬爾可夫模型的漢語二字詞音調(diào)模式識別[A];第三屆全國人機語音通訊學術會議論文集[C];1994年

9 楊文強;鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點識別[A];中國運籌學會第六屆學術交流會論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動建模軟件的實現(xiàn)[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

相關博士學位論文 前3條

1 李杰;隱馬爾可夫模型的研究及其在圖像識別中的應用[D];清華大學;2004年

2 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關算法研究[D];華中科技大學;2014年

3 劉韜;基于隱馬爾可夫模型與信息融合的設備故障診斷與性能退化評估研究[D];上海交通大學;2014年

相關碩士學位論文 前10條

1 吳瑞琪;面向農(nóng)牧民歌旋律的自動伴奏技術研究[D];河南師范大學;2015年

2 張凱;基于隱馬爾可夫模型的頻譜預測和感知方法研究[D];南京郵電大學;2015年

3 趙效毓;基于最大熵隱馬爾可夫模型的基因啟動子識別[D];南京農(nóng)業(yè)大學;2014年

4 白雁飛;基于隱馬爾可夫模型的J波識別技術研究[D];太原理工大學;2016年

5 崔晨雨;基于用戶經(jīng)驗水平的推薦方法研究[D];清華大學;2015年

6 李若冰;基于貝葉斯網(wǎng)絡和隱馬爾可夫模型的撲克對手建模研究[D];南京大學;2013年

7 朱超然;基于隱馬爾可夫模型的無線傳感器網(wǎng)絡入侵檢測研究[D];華北電力大學(北京);2014年

8 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學;2016年

9 王宇寧;隱馬爾可夫模型在信息抽取中的應用研究[D];大連理工大學;2007年

10 楊戰(zhàn);基于隱馬爾可夫模型的自動和弦識別[D];哈爾濱工業(yè)大學;2010年

，

本文編號：1454180