[發明專利]一種基于支持向量機和信任控制的網絡行為監測方法

無效

• 申請號: 201110272851.8
• 申請日: 2011-09-15
• 公開（公告）號: CN103002438A
• 公開（公告）日: 2013-03-27
• 發明（設計）人: 蔡志偉;徐啟建;吳作順;田旭;張國卿;沈玉龍;杜飛;張建中
• 申請（專利權）人: 中國人民解放軍總參謀部第六十一研究所
• 主分類號: H04W12/00
• 分類號: H04W12/00;H04W24/00;H04W84/18
• 代理公司: 北京元本知識產權代理事務所 11308
• 代理人: 秦力軍

技術領域

本發明涉及網絡通信技術領域中網絡行為監測技術，尤其涉及一種基于支持向量機和信任控制的網絡行為監測方法。

背景技術

隨著信息科技的飛速發展，綜合了傳感器技術、信息處理技術和網絡通信技術的WSN(Wireless?Sensor?Network，無線傳感器網絡)應運而生，WSN因其部署快速、使用靈活、監測精準、價格低廉、通信安全等特點，使得在軍事領域、工業監控、環境觀測與預報、醫療護理、智能家居、交通運輸等方面具有非常廣闊的應用前景。

所述WSN由大量的、具有通信與計算能力的密集布設在監控區域的傳感器節點構成，能夠自主完成指定任務。圖1顯示了無線傳感器網絡的體系結構圖，如圖1所示，在監測區域內，無線傳感器網絡中的傳感器節點根據用戶管理節點的需要采集數據，并將采集到的數據通過匯聚節點傳遞至用戶管理節點。

我國關于無線傳感器網絡的研究走在了世界的前列。1999年，傳感器網絡首次正式出現于中國科學院《知識創新工程試點領域方向研究》的信息與自動化領域研究報告中。幾年來，中科院計算技術研究所、中科院軟件所、清華大學、浙江大學、中國科技大學、華中科技大學等研究單位及高校也做了大量的工作，主要致力于研究無線通信協議棧、同步和定位中間件、網絡管理以及網絡節點的設計等。一些企業如中興通信股份有限公司、寧波中科、北京鑫諾金傳感與控制技術有限公司等也紛紛加入了WSN研究的行列。2009年8月7日溫家寶總理在無錫微納傳感網工程技術研發中心視察發表重要講話：“在傳感網發展中，要早一點謀劃未來，早一點攻破核心技術”；“在國家重大科技專項中，加快推進傳感網發展”；“盡快建立中國的傳感信息中心，或者叫‘感知中國’中心”。

隨著WSN的廣泛普及，在某些特殊的應用領域如軍事領域，保障網絡的安全，提高網絡資源利用率，都成為亟待解決的問題。由于傳感器節點工作在無線網絡環境中，這就導致在數據傳輸通信過程中容易受到敵方的竊聽和攻擊。以擁塞攻擊為例，由于傳感器節點之間是通過無線通信的，入侵節點在傳感器節點頻段內不斷發送無用信號，致使在其發射范圍內的傳感器節點處于隔離狀態，直到入侵節點停止發送無用信號才能繼續正常工作。以耗盡攻擊為例，攻擊者利用通信協議的漏洞，使用通信的持續方式來耗盡傳感器節點的能量。以選擇性轉發(Selective?Forwarding)為例，攻擊者獲得合法身份后，對需要轉發的數據包進行特征匹配，若特征相符則不轉發，否則繼續轉發，目前檢測機制很難檢測這種攻擊行為，可以采用多路徑通信方式來抵御，當一條通信路徑發生選擇性轉發時，其它備用路徑仍可以進行數據轉發。

因此，在設計WSN行為監測協議時，應多方面考慮網絡行為監測的效率，在節省能耗的前提下，提高網絡可信性。

發明內容

本發明的目的在于提供一種基于支持向量機和信任控制的網絡行為監測方法，通過網絡行為檢測，解決WSN安全可靠性差的問題，從而提高WSN數據的傳輸效率，增強網絡可信性。

根據本發明的一個方面，本發明提供的一種基于支持向量機和信任控制的網絡行為監測方法，包括：

簇頭節點對所接收的數據進行匹配處理，得到可信數據或可疑數據；

簇頭節點通過基于支持向量機SVM的監測算法對所述可疑數據進行檢測，以確定所述可疑數據是可信數據還是不可信數據；

簇頭節點根據所述數據是否為可信數據，調整發送所述數據的簇頭節點的信任值。

所述匹配處理步驟包括：

簇頭節點接收到數據后，其行為規則匹配模塊根據所述數據的傳輸半徑，判斷所述數據的發送簇頭節點是否為其鄰居簇頭節點；

當判斷是其鄰居簇頭節點時，所述數據為可信數據，否則為可疑數據。

所述匹配處理的步驟還包括：

行為規則匹配模塊根據其鄰居簇頭節點發送的數據，計算數據沖突率；

當所述數據沖突率小于數據沖突率閾值時，所述數據為可信數據，否則為可疑數據。

所述匹配處理步驟還包括：

行為規則匹配模塊獲取所述數據的重傳時間間隔和/或轉發時間間隔；

當所述重傳時間間隔大于預定重傳時間間隔和/或所述轉發時間間隔小于所述預定轉發時間間隔和/或所述數據未被修改時，所述數據為可信數據，否則為可疑數據。

所述檢測步驟包括：

簇頭節點將所述數據確定為可疑數據后，其SVM檢測模塊將所述可疑數據進行預處理，得到可疑數據樣本分量；

根據預先訓練的特征向量，對所述可疑數據樣本分量進行SVM檢測處理，以確定不可信數據。