基于機(jī)器學(xué)習(xí)的傳感云入侵檢測(cè)方法

王鐵勝

(閩江師范高等?？茖W(xué)校,福建 福州 350108)

0 引言

在新時(shí)代發(fā)展的背景之下，我國的科技得到了充分的發(fā)展，尤其是網(wǎng)絡(luò)技術(shù)，為人們?nèi)粘５纳a(chǎn)生活提供了極大的便利，一定程度上拉動(dòng)了經(jīng)濟(jì)的進(jìn)一步發(fā)展[1]，但是在這樣的趨勢(shì)上，隨之而來的還有眾多的網(wǎng)絡(luò)安全問題[2]，這些問題對(duì)于人們的信息、財(cái)產(chǎn)安全產(chǎn)生較大的威脅[3-4].其實(shí)，在網(wǎng)絡(luò)技術(shù)發(fā)展的初期，這一類問題就屢見不鮮，甚至還給部分人造成了或多或少的經(jīng)濟(jì)損失[5].而截至目前，這種現(xiàn)象仍然存在，并時(shí)刻影響著人們的生產(chǎn)生活[6].

在這些網(wǎng)絡(luò)問題之中，傳感云入侵是較為難以解決的一種.主要是因?yàn)檫@一類的問題入侵根源追蹤過于困難，并且極易出現(xiàn)定位誤差，為了減少這一類網(wǎng)絡(luò)安全問題的出現(xiàn)，針對(duì)網(wǎng)絡(luò)實(shí)際的運(yùn)行情況，設(shè)計(jì)安全檢測(cè)方法[7].在文獻(xiàn)[8]中總結(jié)了當(dāng)前常用的傳感云入侵方法，有學(xué)者提出構(gòu)建評(píng)估模型來評(píng)估傳感器和接收器之間的可信度，對(duì)于復(fù)制的接收器攻擊時(shí)，通過傳輸存儲(chǔ)ID，有效識(shí)別傳感云系統(tǒng)中的惡意入侵節(jié)點(diǎn).還有學(xué)者考慮到數(shù)據(jù)存儲(chǔ)和傳輸時(shí)用到的公鑰易被盜取，提出采取代理重加密的方式保障傳感云數(shù)據(jù)安全，并以用戶私鑰進(jìn)行解密核對(duì)，實(shí)現(xiàn)傳感云入侵檢測(cè).還有學(xué)者提出基于網(wǎng)絡(luò)流量的入侵識(shí)別模型，區(qū)分出合法和異常攻擊流量包，實(shí)現(xiàn)傳感云入侵檢測(cè).上述方法雖然可以達(dá)到預(yù)期的目的，但是效率較為低下，并且在實(shí)際應(yīng)用的過程中還極易出現(xiàn)識(shí)別誤差，適應(yīng)性較弱[9].為提升檢測(cè)的準(zhǔn)確性，就需要設(shè)計(jì)一種更加靈活、多元化的檢測(cè)方法[10]，在實(shí)際的應(yīng)用過程中，可以在最短的速度之內(nèi)，形成解決方案，對(duì)入侵區(qū)域進(jìn)行檢測(cè)，并作出有效的處理.機(jī)器學(xué)習(xí)是一種完成編程功能的方法，多被應(yīng)用在監(jiān)測(cè)、識(shí)別的系統(tǒng)之中[11-12].本文提出將機(jī)器學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)算法應(yīng)用在傳感云入侵檢測(cè)方法的設(shè)計(jì)之中，借助其較強(qiáng)的應(yīng)變性及對(duì)于未知侵入程序的感應(yīng)靈敏性，一定程度上可以提升防護(hù)質(zhì)量.實(shí)驗(yàn)結(jié)果表明，設(shè)計(jì)方法的虛警概率僅為0.63%，入侵檢測(cè)正確率始終保持在90%以上，可以說，設(shè)計(jì)方法優(yōu)化了整體的檢測(cè)結(jié)構(gòu)，增強(qiáng)了最終檢測(cè)結(jié)果的可靠性.

1 基于機(jī)器學(xué)習(xí)的傳感云入侵檢測(cè)方法設(shè)計(jì)

1.1 傳感云入侵響應(yīng)指標(biāo)計(jì)算

在進(jìn)行機(jī)器學(xué)習(xí)傳感云入侵檢測(cè)方法的設(shè)計(jì)之前，需要先對(duì)檢測(cè)中的響應(yīng)指標(biāo)進(jìn)行確定和計(jì)算[13-14].可以在原本的設(shè)備運(yùn)行基礎(chǔ)上，建立初始的入侵檢測(cè)程序，采用Accuracy，PPV來對(duì)模型中的初始指標(biāo)進(jìn)行衡量[15].當(dāng)然，在權(quán)衡的過程中，也需要考慮性能對(duì)其的局限和影響.在系統(tǒng)的控制區(qū)域中建立防護(hù)節(jié)點(diǎn)，并計(jì)算對(duì)應(yīng)單元的節(jié)點(diǎn)范圍，如公式(1)所示.

(1)

公式(1)中：C表示單元節(jié)點(diǎn)的檢測(cè)范圍，κ表示檢測(cè)作用上限，θ表示加窗均值.通過以上計(jì)算，最終可以得出實(shí)際的單元節(jié)點(diǎn)的檢測(cè)范圍.在這個(gè)范圍之內(nèi)，對(duì)檢測(cè)模型中的誤識(shí)率進(jìn)行設(shè)定，如表1所示.

表1 入侵檢測(cè)誤識(shí)率設(shè)定

根據(jù)表1中的數(shù)據(jù)信息，最終可以對(duì)傳感云入侵檢測(cè)的誤識(shí)率作出判斷設(shè)定.在這個(gè)標(biāo)準(zhǔn)之下，再加上實(shí)際的檢測(cè)范圍，進(jìn)行入侵響應(yīng)指標(biāo)的計(jì)算，如公式(2)所示.

(2)

公式(2)中：k表示入侵響應(yīng)指標(biāo)，x1表示侵入初始距離，x2表示二次侵入距離.通過以上計(jì)算，最終可以得出實(shí)際的入侵響應(yīng)指標(biāo)，完成計(jì)算.

1.2 雙向卷積神經(jīng)入侵檢測(cè)模型構(gòu)建

在完成傳感云入侵響應(yīng)指標(biāo)的計(jì)算之后，接下來，進(jìn)行雙向卷積神經(jīng)入侵檢測(cè)模型的構(gòu)建.此模型主要是以卷積層作為CNN的核心檢測(cè)部分，可以先從CNN的運(yùn)行特征之中，提取侵入模塊，并且將每一個(gè)模塊作關(guān)聯(lián)，最終組成多核心的卷積層.在此層中，需要計(jì)算卷積范圍以及相對(duì)應(yīng)的非線性激活，前者可以通過卷積的特征作出估算，具有一定的不確定性.后者的非線性激活計(jì)算如公式(3)所示.

(3)

公式(3)中：p表示非線性激活，I表示激活特征比值，μ表示上層輸出值.通過以上計(jì)算，最終可以得出實(shí)際的非線性激活，將其作為傳感云入侵檢測(cè)的基礎(chǔ)標(biāo)準(zhǔn)，此時(shí)，依據(jù)實(shí)際的入侵情況，在模型之中創(chuàng)建重疊矩陣，并計(jì)算卷積的檢測(cè)核心，如公式(4)、(5)、(6)所示.

(4)

(5)

(6)

公式(4)、(5)、(6)中：g，j，s表示卷積的檢測(cè)核心，γ表示特征作用范圍，η表示非線性入侵系數(shù)，d表示允許出現(xiàn)的檢測(cè)誤差.通過以上計(jì)算，最終可以得出實(shí)際的卷積的檢測(cè)核心.將其作為檢測(cè)模型的標(biāo)準(zhǔn)核心，在進(jìn)行檢測(cè)時(shí)，對(duì)非線性輸出、輸入值進(jìn)行卷積檢測(cè)，設(shè)定雙向的檢測(cè)環(huán)境，獲取線性和非線性的卷積檢測(cè)結(jié)果，最終實(shí)現(xiàn)雙向卷積神經(jīng)入侵檢測(cè)模型的構(gòu)建.

1.3 設(shè)計(jì)機(jī)器學(xué)習(xí)的C4.5映射算法

在完成雙向卷積神經(jīng)入侵檢測(cè)模型的構(gòu)建之后，接下來，需要在檢測(cè)模型之中設(shè)計(jì)機(jī)器學(xué)習(xí)的C4.5映射算法.首先，對(duì)模型中的映射作出分類，并進(jìn)行實(shí)化決策映射參數(shù)設(shè)定，如表2所示.

表2 實(shí)化決策映射參數(shù)設(shè)定標(biāo)準(zhǔn)表

根據(jù)表2中的數(shù)據(jù)信息，進(jìn)行實(shí)化決策映射在檢測(cè)模型中的設(shè)定.至此，便可以確定映射的實(shí)際檢測(cè)范圍，之后，在這個(gè)范圍之內(nèi)，設(shè)計(jì)機(jī)器學(xué)習(xí)的C4.5映射算法.創(chuàng)建機(jī)器學(xué)習(xí)計(jì)算檢測(cè)的條件.通常情況下，需要獲取學(xué)習(xí)的數(shù)據(jù)信息，并將其編制成檢測(cè)系統(tǒng)可識(shí)別的指令協(xié)議，在檢測(cè)系統(tǒng)或者平臺(tái)上對(duì)應(yīng)的區(qū)域添加指令，使其處于機(jī)器學(xué)習(xí)的檢測(cè)環(huán)境之中，設(shè)計(jì)C4.5映射算法，如公式(7)、(8)、(9)所示：

M=(λ+1)-0.25

(7)

N=(2λ+1)-0.5

(8)

E=(3λ+1)-0.75

(9)

公式(7)、(8)、(9)中：M,N,E表示檢測(cè)學(xué)習(xí)執(zhí)行率，λ表示C4.5映射作用范圍，表示分類交叉系數(shù).通過以上計(jì)算，最終可以得出實(shí)際的檢測(cè)學(xué)習(xí)執(zhí)行率，完成機(jī)器學(xué)習(xí)的C4.5映射算法的設(shè)計(jì).

1.4 混合串行入侵防護(hù)實(shí)現(xiàn)傳感云入侵檢測(cè)

在完成機(jī)器學(xué)習(xí)的C4.5映射算法的設(shè)計(jì)之后，接下來，需要通過混合串行入侵防護(hù)實(shí)現(xiàn)傳感云入侵的檢測(cè).傳統(tǒng)的入侵防護(hù)結(jié)構(gòu)通常是單一層級(jí)的，雖然也可以達(dá)到預(yù)期的目標(biāo)，但是在面對(duì)復(fù)雜的網(wǎng)絡(luò)入侵或者是傳感云入侵時(shí)，便很容易出現(xiàn)誤差.所以，需要用多層級(jí)的檢測(cè)方法，實(shí)現(xiàn)更加靈活多變的檢測(cè).將混合串行入侵防護(hù)程序應(yīng)用于傳感云入侵的檢測(cè)方法之中，依據(jù)入侵的實(shí)際情況，再加上檢測(cè)模型獲取采集的數(shù)據(jù)，設(shè)立現(xiàn)實(shí)的檢測(cè)層級(jí)，各個(gè)層級(jí)均是獨(dú)立的，并由其獨(dú)特的檢測(cè)規(guī)則，會(huì)對(duì)每一組采集的數(shù)據(jù)進(jìn)行混合串行的檢測(cè)，從源頭上加強(qiáng)檢測(cè)與入侵防護(hù)，以此來確保最終檢測(cè)結(jié)果的可靠性和嚴(yán)謹(jǐn)性，最終實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的傳感云入侵的檢測(cè).

2 方法測(cè)試

2.1 測(cè)試準(zhǔn)備

本次主要是對(duì)基于機(jī)器學(xué)習(xí)的傳感云入侵檢測(cè)效果進(jìn)行驗(yàn)證.搭建測(cè)試的環(huán)境，如下：設(shè)置設(shè)備參數(shù)，電壓控制在220 V以內(nèi)，額定電流為1 200 A，檢測(cè)處理頻率設(shè)定在12.35～15.87之間即可，傳感窗實(shí)際長度設(shè)定為45.接下來，對(duì)檢測(cè)區(qū)域相關(guān)參數(shù)作出設(shè)定.判決門限=0.45，檢測(cè)上限為H=1.25，下限位d=0.13.固定的檢測(cè)窗長度為50，檢測(cè)處理序列的列流頻率為0.001 7.相似度函數(shù)與檢測(cè)的范圍函數(shù)通常一致，根據(jù)以上數(shù)據(jù)信息，計(jì)算檢測(cè)的相似度函數(shù)，如公式(10)所示.

圖1 傳感云入侵檢測(cè)流程圖

(10)

公式(10)中：G表示檢測(cè)的相似度函數(shù)，δ表示檢測(cè)命令序列范圍，α表示描述長度比值.通過以上計(jì)算，最終可以得出實(shí)際的檢測(cè)相似度函數(shù).在此基礎(chǔ)上，還需要計(jì)算極限檢測(cè)范圍，如公式(11)所示.

H=R+1.25G-2ω

(11)

公式(11)中：H表示極限檢測(cè)范圍，R表示序列例行比，G表示檢測(cè)的相似度函數(shù)，ω表示極限百分比.通過以上計(jì)算，最終可以得出實(shí)際的極限檢測(cè)范圍.測(cè)試分為兩組，一組為傳統(tǒng)的識(shí)別檢測(cè)法，設(shè)定為傳統(tǒng)識(shí)別檢測(cè)組.另一種為本文所設(shè)計(jì)的方法，設(shè)定為機(jī)器學(xué)習(xí)監(jiān)測(cè)組.完成設(shè)定之后，開始測(cè)試.

2.2 測(cè)試過程及結(jié)果分析

在上述所創(chuàng)建的測(cè)試環(huán)境之中，開始測(cè)試.通過對(duì)傳感云的入侵響應(yīng)指標(biāo)進(jìn)行計(jì)算，構(gòu)建雙向卷積神經(jīng)網(wǎng)絡(luò)入侵模型，根據(jù)傳感云實(shí)際需求設(shè)定入侵檢測(cè)標(biāo)準(zhǔn)要求，設(shè)計(jì)重疊矩陣，并添加C4.5映射算法，實(shí)現(xiàn)混合串行入侵防護(hù)設(shè)計(jì).具體的測(cè)試流程如圖1所示.

以本文設(shè)計(jì)方法作為機(jī)器學(xué)習(xí)檢測(cè)組，以文獻(xiàn)[5]方法作為傳統(tǒng)識(shí)別檢測(cè)組，進(jìn)行測(cè)試.最終可以得出如下數(shù)據(jù)信息，對(duì)其進(jìn)行整合對(duì)比分析，如表3所示.

表3 檢測(cè)測(cè)試結(jié)果對(duì)比分析表

根據(jù)表3中的數(shù)據(jù)信息，可以得出最終的結(jié)論：在相同的測(cè)試環(huán)境中，對(duì)比于傳統(tǒng)的識(shí)別檢測(cè)組，機(jī)器學(xué)習(xí)檢測(cè)組得出的虛警概率相對(duì)較低，表明對(duì)于傳感云入侵的檢測(cè)效果相對(duì)較好，檢測(cè)的誤差是極小的，具有較強(qiáng)的可靠性和科學(xué)性.

為進(jìn)一步測(cè)試本文設(shè)計(jì)方法的性能，在傳感云入侵檢測(cè)中增加不同強(qiáng)度的噪聲干擾，計(jì)算不同方法的入侵檢測(cè)的正確率，得到結(jié)果如下：

圖2 噪聲干擾下不同方法檢測(cè)正確率結(jié)果

分析圖2可知，隨著噪聲的增大，入侵檢測(cè)的正確率隨之下降，當(dāng)噪聲超過30 dB時(shí)，傳統(tǒng)識(shí)別檢測(cè)組的正確率大幅度下降，但本文方法仍具有較高的正確率，表明本文方法具有較強(qiáng)的抗噪能力.

3 結(jié)語

綜上所述，便是對(duì)基于機(jī)器學(xué)習(xí)的傳感云入侵檢測(cè)方法的設(shè)計(jì).本文所設(shè)計(jì)的方法適應(yīng)性較強(qiáng)，在不同的設(shè)備之中都可以實(shí)現(xiàn)最大程度的傳感云入侵檢測(cè)，打破了傳統(tǒng)檢測(cè)方法的束縛.此外，機(jī)器學(xué)習(xí)輔助創(chuàng)新方法的檢測(cè)范圍也得到了擴(kuò)大，檢測(cè)流程更加完整，結(jié)構(gòu)實(shí)現(xiàn)了優(yōu)化，這對(duì)于最終的檢測(cè)結(jié)果的精準(zhǔn)度也是一種保障.所以，機(jī)器學(xué)習(xí)檢測(cè)方法更加適用于現(xiàn)如今的網(wǎng)絡(luò)防護(hù)，并能夠提供高效的安全問題處理，推動(dòng)我國網(wǎng)絡(luò)安全技術(shù)邁入一個(gè)新的發(fā)展臺(tái)階.