物聯網感知層入侵檢測方法研究

項目摘要

物聯網的安全是物聯網技術實用化的前提和保障，設計出全新的適用於物聯網感知層的入侵檢測方法，是物聯網的研究熱點。本項目針對物聯網感知層大規模異質網元共存、節點資源受限、感知環境複雜多變等特點，研究物聯網感知層入侵檢測方法，具體包括，基於上下文感知的入侵行為自動定義方法，基於遷移學習的多視角網路行為建模方法，基於免疫遺傳算法的入侵檢測系統。在上述研究的基礎上，本項目還將搭建專用的實驗測試平台，驗證上述方法的正確性和可行性。

結題摘要

物聯網對數據的安全性要求很高，尤其是在信息感知層，一旦網路遭到入侵，那么不僅會破壞物聯網的感知數據的安全性，而且會危害到與之相連的信息傳輸層乃至信息處理層數據的安全性，給整個物聯網帶來無法預知的損害。本項目針對物聯網感知層大規模異質網元共存、節點資源受限、感知環境複雜多變等特點，提出了一套針對物聯網感知層的入侵檢測方法，包括，基於上下文感知的入侵行為自動定義方法，基於遷移學習的多視角網路行為建模方法，基於免疫遺傳算法的入侵檢測系統。在上述研究的基礎上，本項目還搭建了專用的實驗測試平台，驗證方法的正確性和可行性。經過項目組全體成員的共同努力，圓滿實現了預定計畫，具體成果如下：（1）提出了基於上下文感知的入侵檢測需求分析方法,將感知信息依賴環境的部分獨立出來, 實現業務數據邏輯與系統環境相分離，引入上下文感知的環境信息控制函式和反射機制，使異常檢測需求能夠適應動態環境的變化。在上下文建模過程中，我們採用了基於隱馬爾科夫模型的建模方法，通過已有的感知信息，推理檢測數據的變化情況，進而對入侵檢測任務進行動態調整，提高入侵檢測的可靠性和靈活性。（2）提出了可疊加的網路感知數據失效評估理論模型，將物聯網感知層劃分為多哥子網，並利用各個子網的失效數據信息建立了可疊加的感知網路可靠性模型，使用極大似然估計方法對模型的參數進行估計，提高了擬合效果。（3）提出了基於遷移學習的網路行為模型，引入了具有學習遷移能力的Boost方法進行網路行為的實時學習，這種方法充分地利用了歷史樣本，並結合少量的即時樣本，採用機器學習的方法來自動地分析、挖掘上下文信息間的依賴或因果關係，達到模型線上更新的目的，滿足物聯網感知層異常檢測的需求。（4）提出了基於非齊次泊松過程的物聯網感知層可靠性模型，利用非齊次泊松過程描述了可修復感知節點的失效過程，動態評估與預測感知系統的可靠性，為物聯網感知層的可靠性評估與設計提供了理論基礎。（5）提出了基於輕量級免疫遺傳算法的入侵檢測系統設計方法，借鑑了免疫遺傳的方法來進行輕量級的物聯網感知層入侵檢測方法的設計，建立了具有免疫特性的物聯網感知層入侵檢測系統。本項目在物聯網感知層入侵檢測方向形成了一整套創新性研究成果，已在國際知名學術期刊發表SCI索引論文11篇，EI索引論文19篇,申請發明專利14項，在相關領產生了一定的學術影響力

物聯網感知層入侵檢測方法研究

基本介紹

項目摘要

結題摘要

相關詞條

熱門詞條