基于RS-SVM的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)安全的應(yīng)用研究

黃金金，陳 晶，張 鯤

?

基于RS-SVM的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)安全的應(yīng)用研究

黃金金1，陳 晶2*，張 鯤2

（1. 三亞學(xué)院網(wǎng)絡(luò)中心，海南 三亞 572022；2. 海南熱帶海洋學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，海南 三亞 572000）

針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的入侵類(lèi)型多樣性的安全問(wèn)題，在其特征約簡(jiǎn)中引入粗糙集理論消除影響小或無(wú)關(guān)的特征向量,并提出基于RS-SVM算法，利用KDDCup1999 數(shù)據(jù)設(shè)計(jì)的仿真實(shí)驗(yàn)系統(tǒng)驗(yàn)證所提出的約簡(jiǎn)算法在入侵檢測(cè)方面的檢測(cè)效率，結(jié)果表明對(duì)來(lái)自 DOS 和 Probe的攻擊具有較高的檢測(cè)率和較低的誤檢率。

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)；粗糙集；支持向量機(jī)

0 引言

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)（WSNs）是近幾年涌現(xiàn)的新型網(wǎng)絡(luò)，主要用于收集大量的數(shù)據(jù)，由于其網(wǎng)絡(luò)的開(kāi)放性、數(shù)據(jù)固定的路由機(jī)制及資源受時(shí)間地點(diǎn)等的限制的特點(diǎn)，一些重要、敏感數(shù)據(jù)會(huì)遭受到多種攻擊，存在非常大的安全問(wèn)題[1,2]。而現(xiàn)有的入侵檢測(cè)方法如聚類(lèi)算法、馬爾可夫模型、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等需要通過(guò)參數(shù)的約簡(jiǎn)、優(yōu)化降低時(shí)間復(fù)雜度和空間復(fù)雜度等滿(mǎn)足入侵檢測(cè)系統(tǒng)對(duì)傳感器網(wǎng)絡(luò)資源的需求，存在明顯缺陷且需要進(jìn)行大量系統(tǒng)的研究。粗糙集理論利用數(shù)據(jù)挖掘方法發(fā)現(xiàn)各特征之間隱藏的關(guān)系，將其引入到特征向量之間進(jìn)行約簡(jiǎn)，并采用改進(jìn)的RS-SVM的方式建立WSNs的入侵檢測(cè)模型對(duì)采集到的特征進(jìn)行分類(lèi)，可以更有效地提高WSNs的安全性。

1 RS-SVM傳感器網(wǎng)絡(luò)入侵檢測(cè)算法

1.1 粗糙集理論

Rough集（Rough sets，也稱(chēng)為粗糙集）理論是波蘭華沙理工大學(xué)科學(xué)家Pawlak教授于1982年提出的研究不確定或未知知識(shí)和數(shù)據(jù)的一種理論方法。Rough集理論將知識(shí)看成對(duì)數(shù)據(jù)的分類(lèi)，利用已知的知識(shí)庫(kù)，將不確定或未知的知識(shí)用已知來(lái)表現(xiàn)，其顯著優(yōu)點(diǎn)是定性分析能力特別強(qiáng)，不需要提前給定特征或?qū)傩缘南嚓P(guān)數(shù)量描述[7]。在保證知識(shí)分類(lèi)不變的條件下，對(duì)其進(jìn)行約簡(jiǎn)得到目標(biāo)結(jié)果。

設(shè)Re是一個(gè)FEQR(等價(jià)關(guān)系族)，Re∈Re，若DI(Re)=DI(Re-{Re})，則將Re在FEQR中可以省略即刪除，否則為不能省略的要保留。

1.2 SVM方法分類(lèi)算法

VM(支持向量機(jī))是1995年提出的一種在解決小樣本非常有優(yōu)勢(shì)的機(jī)器學(xué)習(xí)方法，可以分析數(shù)據(jù)，識(shí)別模式，用于分類(lèi)和回歸分析。SVM方法是建立在統(tǒng)計(jì)學(xué)理論上的多維理論，力求將風(fēng)險(xiǎn)控制到最小范圍內(nèi)，以獲得最佳的泛化性。低維空間向量集長(zhǎng)膠不容易劃分，通常利用SVM的核函數(shù)將其映射到高維空間來(lái)解決，祥見(jiàn)下面的公式。

由于SVM主要應(yīng)用在二分類(lèi)問(wèn)題的原理，而無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的入侵檢測(cè)卻是多分類(lèi)問(wèn)題，將無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的入侵問(wèn)題利用二叉樹(shù)原理將其轉(zhuǎn)成為二分類(lèi)問(wèn)題，具體過(guò)程如圖1所示[5]。

圖1 WSNs的多分類(lèi)器構(gòu)建

Fig.1 Construction of multiple classifiers for WSNs

1.3 分類(lèi)器參數(shù)優(yōu)化

狼群算法是基于狼群生存機(jī)制的智能模擬而研發(fā)出的一種較新的仿照生物體的智能參數(shù)優(yōu)化算法，狼群算法和其它算法相比具有更好的穩(wěn)定性能和全局范圍內(nèi)尋找最優(yōu)的能力、并可以把參數(shù)控制控制在較少的范圍內(nèi)等優(yōu)點(diǎn)，所以在處理優(yōu)化問(wèn)題時(shí)搜索效果更佳[8]。在優(yōu)化前，對(duì)設(shè)計(jì)的參數(shù)進(jìn)行初始化，如獵物氣味濃度Yi，閾值dnear等。狼群算法優(yōu)化支持向量機(jī)的參數(shù)步驟如下圖2。

圖2 RS-SVM的工作思想

1.4 WSNs入侵檢測(cè)算法的工作思想

WSNs的入侵檢測(cè)算法的工作思想如下圖3。

2 基于SVM-RS的入侵檢測(cè)模擬

2.1 實(shí)驗(yàn)數(shù)據(jù)的選取

為了對(duì)基于RS-SVM的WSNs的入侵檢測(cè)算法的性能進(jìn)行更好的評(píng)價(jià)，所以選取著名的KDD CUP1999收集的數(shù)據(jù)集進(jìn)行模擬實(shí)驗(yàn)[7]，共包括的特征數(shù)的維數(shù)為41維和標(biāo)簽1個(gè)，入侵方式有DOS、Probe、R2L和U2R等組成，41維的特征數(shù)如下表1所示。選擇文獻(xiàn)[9]和文獻(xiàn)[10]算法與其對(duì)比。

2.2 利用RS對(duì)特征進(jìn)行預(yù)處理

3 結(jié)論

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)所面臨的安全問(wèn)題引起了高度重視，本文應(yīng)用粗糙集理論對(duì)無(wú)線(xiàn)傳感器采集到的特征數(shù)進(jìn)行融合和約簡(jiǎn)處理，并用狼群算法優(yōu)化參數(shù)降低誤警率，使得檢測(cè)結(jié)果更加可靠，有效地保證無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的安全。該算法較好解決了當(dāng)前無(wú)線(xiàn)傳感器網(wǎng)絡(luò)面臨的入侵檢測(cè)安全的問(wèn)題，具有入侵檢測(cè)率高、誤警率低等優(yōu)點(diǎn)，在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)入侵安全檢測(cè)中會(huì)有較好的發(fā)展前景和應(yīng)用空間。

圖3 狼群優(yōu)化算法支持向量機(jī)步驟圖

表1 KDD CUP1999數(shù)據(jù)集的特征選取

Tab.1 Feature Selection of KDDCUP 1999 Dataset

[1] Misra S, Krishna V, Abraham I. A simple learning automata based solution for intrusion detection in wireless sensor networks [J]. Wireless Communications and Mobile Computing, 2011(11): 426-441.

[2] Wang S S, Yan K Q, Wang S C, et al. An integrated intrusion detection system for cluster-based wireless sensor networks [J]. Expert Systems with Application, 2011, 38(12): 15234- 15243.

[3] 彭春燕, 楊志強(qiáng), 張效娟. 能耗均衡的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的入侵檢測(cè)機(jī)制[J]. 微電子學(xué)與計(jì)算, 2013, 30(1): 41-44.

[4] 孫子文, 梁廣瑋, 白勇, 紀(jì)志成. 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)分級(jí)入侵檢測(cè)模型[J]. 信息與控制, 2013, 42(6): 670-676.

[5] 吳濤, 溫巧燕, 張華. 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的一種基于移動(dòng)Agent 的動(dòng)態(tài)入侵檢測(cè)系統(tǒng)[J]. 軟件, 2011, 32(6): 93-96.

[6] 陳晶. 粗糙集在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)安全中的應(yīng)用研究[J]. 激光雜志, 2015, 36(7): 109-112.

[7] 劉清. Rough集及Rough推理[M]. 北京:科學(xué)出版社, 2001.

[8] 祝琦, 宋如順, 姚永仙. 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中基于SVM的合作型入侵檢測(cè)系統(tǒng)[J]. 計(jì)算機(jī)應(yīng)用研究, 2010, 27(4): 1489-1492.

[9] 屈峰, 楊華, 王立軍等.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)及其應(yīng)用[J]. 四川兵工學(xué)報(bào), 2013, (2): 111-113.

[10] 盧帆, 汪烈軍. 基于GA-LMBP算法的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)入侵檢測(cè)研究[J]. 激光雜志, 2014, 35(8): 36-40.

[11] 許斌, 付鵬飛. 基于多數(shù)據(jù)源交叉表決的園區(qū)人員分布的方法研究[J]. 軟件, 2018, 39(7): 208-212.

[12] 卓廣平. 下一代互聯(lián)網(wǎng)動(dòng)態(tài)路由協(xié)議機(jī)制分析與改進(jìn)策略[J]. 軟件, 2018, 39(7): 202-207.

[13] 李磊. 數(shù)據(jù)通信網(wǎng)絡(luò)安全維護(hù)策略探討[J]. 軟件, 2018, 39(7): 191-193.

[14] 張小璞, 左小清. 在ArcGIS下基于Python的路網(wǎng)數(shù)據(jù)批處理方法[J]. 軟件, 2018, 39(7): 130-133.

[15] 牟思. 淺談物聯(lián)網(wǎng)的關(guān)鍵技術(shù)及計(jì)算機(jī)物聯(lián)網(wǎng)的應(yīng)用[J]. 軟件, 2018, 39(6): 189-191.

Research on Wireless Sensor Network Security Based on RS-SVM

HUANG Jin-jin1, CHEN Jing2*, ZHANG Kun2

(1. Network Center ,Sanya University,Sanya, Hainan, 572022, China; 2. College of Computer Science and Technology, Hainan tropical oceanographic University, Sanya, Hainan, 572000, China)

In order to solve the security problem of intrusion type diversity of wireless sensor networks, rough set theory is introduced to reduce the influence of small or irrelevant feature vectors, and an RS-SVM algorithm is proposed. The simulation experiment system designed by KDDCup1999 data verifies the detection efficiency of the proposed reduction algorithm in intrusion detection. The results show that the attack from DOS and Probe has a high detection rate and a low error rate.

Wireless sensor network; Rough set; Support vector machine

TP393

A

10.3969/j.issn.1003-6970.2018.11.004

三亞市院地科技合作項(xiàng)目(No.2017YD26)

黃金金(1982-)，男，三亞學(xué)院網(wǎng)絡(luò)中心從事技術(shù)工作，本科，主要研究方向?yàn)橛?jì)算機(jī)輔助教育，計(jì)算機(jī)網(wǎng)絡(luò)；張?chǎng)H(1981-)，男，教授，博士研究生，主要研究方向?yàn)橹悄軘?shù)據(jù)分析與數(shù)據(jù)挖掘，海洋通信，超寬帶定位。

陳晶(1981-)，女，講師，碩士，主要研究方向?yàn)橛?jì)算機(jī)輔助教育，傳感器網(wǎng)絡(luò)及物聯(lián)網(wǎng)，智能數(shù)據(jù)分析。

黃金金，陳晶，張?chǎng)H. 基于RS-SVM的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)安全的應(yīng)用研究[J]. 軟件，2018，39（11）：18-20