典型文献
基于机器学习的无线传感网络通信异常入侵检测技术
文献摘要：
无线传感网络通信因节点资源有限,易受第三方攻击,因此以机器学习为基础,研究了一种无线传感网络通信异常入侵检测技术.将机器学习中的支持向量机应用于无线传感网络中,在初始权重空间构建支持向量机节点定位模型;明确现阶段网络通信状态;创建节点重要性概念,将重要性强的节点设为易被攻击对象;推算异常行为造成的潜在损失,若大于设定临界值,视该节点为异常入侵并进行隔离.仿真分析表明:所提方法的误报率始终低于6％,漏报率最高为4％,网络能量消耗低于2 J,在25次迭代仿真分析过程中异常入侵检测时间的波动范围为2 s～6 s.仿真结果验证了所提技术具备优秀的异常入侵检测精度与效率,能有效降低网络能耗,鲁棒性强.
文献关键词：
机器学习;无线传感网络;入侵检测;支持向量机
中图分类号：
作者姓名：
肖衡;龙草芳
作者机构：
三亚学院信息与智能工程学院,海南 三亚572022;三亚学院陈国良院士工作站,海南 三亚572022
文献出处：
引用格式：
[1]肖衡;龙草芳-.基于机器学习的无线传感网络通信异常入侵检测技术)[J].传感技术学报,2022(05):692-697
A类：
B类：
基于机器学习,无线传感网络,网络通信,通信异常,异常入侵检测,入侵检测技术,空间构建,节点定位,定位模型,通信状态,节点重要性,推算,异常行为,潜在损失,侵并,误报率,漏报率,网络能量,能量消耗,检测时间,波动范围,检测精度,精度与效率
AB值：
0.242639
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
