本文關(guān)鍵詞：基于SVM的k-means聚類算法在WSN入侵檢測中的應(yīng)用

  更多相關(guān)文章： 無線傳感器網(wǎng)絡(luò) 入侵檢測 K-means聚類算法 局部最優(yōu) 檢測率

【摘要】：無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)能夠在惡劣環(huán)境和特殊場合方便應(yīng)用,使得無線傳感器網(wǎng)絡(luò)的研究具有很高的現(xiàn)實(shí)意義。因此WSN的相關(guān)問題研究也受到了學(xué)術(shù)界的高度關(guān)注。與傳統(tǒng)網(wǎng)絡(luò)有所不同,WSN的網(wǎng)絡(luò)壽命有限又極易被入侵,所以無線傳感器網(wǎng)絡(luò)的安全問題相對來說就是一個(gè)全新的課題,同時(shí)也是一個(gè)亟待解決的課題。作為網(wǎng)絡(luò)的第二層重要保護(hù)層,無線傳感器網(wǎng)絡(luò)的入侵檢測方法也不能沿用以前的方法,因此WSN的入侵檢測的研究同樣具有很大的研究意義。本文在對WSN各種原有入侵檢測技術(shù)研究的基礎(chǔ)上,提出基于SVM的K-means聚類算法的入侵檢測技術(shù)。本文首先肯定了K-means聚類算法在入侵檢測系統(tǒng)的應(yīng)用是極有研究意義的,對比分析K-means算法和constrained-K-means算法以及本文方案,然后引出本文改進(jìn)方案以達(dá)到更好的檢測效果。該機(jī)制主要是首先對數(shù)據(jù)集節(jié)點(diǎn)進(jìn)行初次聚類,找到聚類中心和簇群,然后對每個(gè)簇群內(nèi)運(yùn)用支持向量機(jī)算法使簇群內(nèi)的不同類節(jié)點(diǎn)間距離最大化以減少分簇的風(fēng)險(xiǎn),再對兩兩分類后的簇群重新劃分簇并判斷聚類中心是否改變,最后通過不停迭代直至達(dá)到最優(yōu)的效果。這種改進(jìn)后的機(jī)制較好地提高了檢測率,降低了誤報(bào)警率。本文通過Kdd cup 99中的10%數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行實(shí)驗(yàn),然后觀察改進(jìn)后的聚類算法在檢測率和誤報(bào)警率兩項(xiàng)指標(biāo)上的具體表現(xiàn),最后和單獨(dú)使用K-means聚類算法以及使用constrained-K-means算法在準(zhǔn)確檢測率、誤報(bào)警率方面進(jìn)行比較。從實(shí)驗(yàn)結(jié)果可以看出,通過與訓(xùn)練集對比,在已知單一的攻擊類型或者是未知的混合攻擊類型的數(shù)據(jù)集中,本機(jī)制有更高的檢測率和更低的誤報(bào)警率,在入侵檢測時(shí)的表現(xiàn)更好。而且是一種完全無監(jiān)督的輕量級的算法,適用于無線傳感器網(wǎng)絡(luò)。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) 入侵檢測 K-means聚類算法 局部最優(yōu) 檢測率
【學(xué)位授予單位】：西華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP212.9;TN915.08;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-19
• 1.1 引言9
• 1.2 無線傳感器網(wǎng)絡(luò)簡介9-14
• 1.2.1 無線傳感器網(wǎng)絡(luò)發(fā)展歷史9-10
• 1.2.2 無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)10-12
• 1.2.3 無線傳感器網(wǎng)絡(luò)傳感器節(jié)點(diǎn)結(jié)構(gòu)12-13
• 1.2.4 無線傳感器網(wǎng)絡(luò)特性13-14
• 1.2.5 無線傳感器網(wǎng)絡(luò)的重要應(yīng)用14
• 1.3 選題背景與課題意義14-17
• 1.3.1 無線傳感器網(wǎng)絡(luò)的安全問題14-15
• 1.3.2 國內(nèi)外研究現(xiàn)狀15-16
• 1.3.3 研究目的和意義16-17
• 1.4 研究內(nèi)容和本文結(jié)構(gòu)17-19
• 2 無線傳感器網(wǎng)絡(luò)安全19-26
• 2.1 無線傳感器網(wǎng)絡(luò)安全性分析19-20
• 2.1.1 數(shù)據(jù)融合的安全性19-20
• 2.1.2 時(shí)間同步的安全性20
• 2.2 當(dāng)前主要攻擊類型簡介20-24
• 2.2.1 物理層攻擊20-21
• 2.2.2 鏈路層攻擊21-22
• 2.2.3 網(wǎng)絡(luò)層攻擊22-23
• 2.2.4 傳輸層攻擊23-24
• 2.2.5 應(yīng)用層攻擊24
• 2.3 本章小結(jié)24-26
• 3 無線傳感器網(wǎng)絡(luò)安全機(jī)制26-33
• 3.1 密鑰管理26-27
• 3.2 安全路由27-28
• 3.3 入侵檢測技術(shù)28-32
• 3.3.1 入侵檢測的必要性28-29
• 3.3.2 入侵檢測技術(shù)簡介29-31
• 3.3.3 入侵檢測技術(shù)研究方法31-32
• 3.3.4 入侵檢測技術(shù)面臨的威脅32
• 3.4 本章小結(jié)32-33
• 4 基于SVM的k-means聚類算法在入侵檢測中的應(yīng)用33-44
• 4.1 相關(guān)技術(shù)簡介33-39
• 4.1.1 K-means算法33-37
• 4.1.2 建立簇內(nèi)最優(yōu)超平面37-39
• 4.2 基于SVM的K-means聚類算法39-43
• 4.2.1 算法思想介紹39-40
• 4.2.2 數(shù)據(jù)預(yù)處理40-41
• 4.2.3 算法流程41-43
• 4.3 本章小結(jié)43-44
• 5 實(shí)驗(yàn)設(shè)計(jì)與仿真44-57
• 5.1 仿真工具44-47
• 5.1.1 MATLAB簡介45-46
• 5.1.2 MATLAB語法46
• 5.1.3 MATLAB常用命令46-47
• 5.2 實(shí)驗(yàn)數(shù)據(jù)來源和選擇47-49
• 5.2.1 數(shù)據(jù)來源47-48
• 5.2.2 數(shù)據(jù)選擇48-49
• 5.3 實(shí)驗(yàn)仿真49-55
• 5.3.1 仿真環(huán)境49-50
• 5.3.2 檢測規(guī)則和系統(tǒng)性能評判50-51
• 5.3.3 實(shí)驗(yàn)方案的驗(yàn)證51-55
• 5.4 本章小結(jié)55-57
• 6 總結(jié)和展望57-59
• 6.1 總結(jié)57
• 6.2 展望57-59
• 參考文獻(xiàn)59-63
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果63-64
• 致謝64-65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓秀苓，程凡，高建林，，李傳光;管道自適應(yīng)有源噪聲控制算法[J];Journal of Beijing Institute of Technology(English Edition);1995年01期

2 陶新民;徐晶;童智靖;劉玉;;不均衡數(shù)據(jù)下基于陰性免疫的過抽樣新算法[J];控制與決策;2010年06期

3 趙國峰;閆亮;;用于快速流分類的關(guān)鍵字分解Hash算法[J];計(jì)算機(jī)工程;2010年16期

4 郭雷勇;譚洪舟;高守平;郭笑梅;;RFID系統(tǒng)閱讀器反碰撞算法分類與研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年09期

5 郝水俠,李凡長;多Agent的并行思智算法[J];計(jì)算機(jī)工程與應(yīng)用;2004年10期

6 劉貝家;方景龍;;基于SVDD的多示例學(xué)習(xí)算法[J];科技通報(bào);2011年02期

7 田大東;鄧偉;;基于不同懲罰系數(shù)的SMO改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用;2008年09期

8 許敏;王士同;顧鑫;;TL-SVM:一種遷移學(xué)習(xí)算法[J];控制與決策;2014年01期

9 李雅林;張化祥;張順;;基于近鄰加權(quán)及多示例的多標(biāo)記學(xué)習(xí)改進(jìn)算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

10 羅玉華,李三立;RISC多發(fā)射結(jié)構(gòu)中循環(huán)優(yōu)化的軟件流水算法[J];計(jì)算機(jī)學(xué)報(bào);1993年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳濤;粒子群及量子行為粒子群優(yōu)化算法的改進(jìn)研究[D];西南交通大學(xué);2014年

2 徐勇;分布式壓縮感知的算法及其應(yīng)用研究[D];中國地質(zhì)大學(xué);2015年

3 王貴參;重疊社區(qū)發(fā)現(xiàn)中的邊聚類算法研究[D];吉林大學(xué);2016年

4 蔡先發(fā);基于圖的半監(jiān)督算法及其應(yīng)用研究[D];華南理工大學(xué);2013年

5 蔣良孝;樸素貝葉斯分類器及其改進(jìn)算法研究[D];中國地質(zhì)大學(xué);2009年

6 李美安;普適分布式互斥算法及應(yīng)用[D];電子科技大學(xué);2007年

7 孫巖;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究與應(yīng)用[D];大連理工大學(xué);2010年

8 吳偉寧;主動(dòng)學(xué)習(xí)算法中采樣策略研究[D];哈爾濱工業(yè)大學(xué);2013年

9 汪慶淼;基于目標(biāo)函數(shù)的模糊聚類新算法及其應(yīng)用研究[D];江蘇大學(xué);2014年

10 戴朝華;搜尋者優(yōu)化算法及其應(yīng)用研究[D];西南交通大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李超;基于標(biāo)簽傳播及適合度的社團(tuán)聚類算法研究[D];西南大學(xué);2015年

2 劉晨曦;RFID定位VIRE算法的研究與改進(jìn)[D];貴州師范大學(xué);2015年

3 馬睿;利用巖石光譜和改進(jìn)的PC算法實(shí)現(xiàn)礦物的識(shí)別[D];新疆大學(xué);2015年

4 萬猛;推薦系統(tǒng)攻擊檢測算法的研究[D];電子科技大學(xué);2014年

5 劉排;基于OMNeT++的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位改進(jìn)算法的研究[D];河北工業(yè)大學(xué);2015年

6 陳辰;無線通信領(lǐng)域MIMO檢測類算法的硬件加速技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

7 韓超;場景分類與道路場景異常識(shí)別算法研究[D];北京交通大學(xué);2016年

8 董楠;行車熱點(diǎn)中無監(jiān)督聚類算法的研究與應(yīng)用[D];東北大學(xué);2014年

9 林玉琪;基于多智能體的數(shù)據(jù)流聚類算法研究[D];福州大學(xué);2013年

10 曹鵬;基于Spark平臺(tái)的聚類算法的優(yōu)化與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

本文編號(hào)：1124620