近日,电子科技大学光电科学与工程学院2019级本科生黄新宇在国际期刊《IEEE Sensors Journal》上发表了论文《利用危险模型识别选择性转发攻击:提升无线传感器网络中的检测精度》。本文通过在无线传感器网络中建立人工免疫系统来抵御各种网络攻击,尤其是最难检测的选择性转发攻击。黄新宇为论文第一作者,光电科学与工程学院吴远明教授为论文通讯作者,电子科技大学光电科学与工程学院为论文第一单位。
近年来,随着物联网领域的不断研究和发展,无线传感器网络作为物联网的基础网络,逐渐成为研究者的研究热点。然而,无线传感器网络的开放性和无人值守性,使其容易受到外部网络攻击,尤其是攻击手段先进的选择性转发攻击。选择性转发攻击通常会导致恶意节点的能量和转发速率等特征出现明显异常。鉴于此,黄新宇在吴远明老师的指导下,从人类免疫系统的危险信号理论中汲取灵感,在无线传感器网络中建立人工免疫系统,实现对恶意节点的检测。图一。人工免疫系统与人类免疫系统的孪生对应
本文将研究方案分为监测和判断两个工作阶段。在监控阶段,通过对节点的能量、转发速率、连接时间、转发频率和转发时间五个特征进行建模,建立危险信号模型。在得到每个节点的五种危险信号浓度后,通过支持向量机(SVM)分类将选择性转发行为与其他拒绝服务攻击区分开来。这些具有选择性转发行为的节点被系统标记为可疑节点,并计算这些节点的网络聚合输出。在决策阶段,将这些可疑节点的网络输出与事先人为设定的危险阈值进行比较。如果输出超过阈值,节点将从可疑节点升级到恶意节点。同时,系统隔离并关闭恶意节点,将恶意节点的字符串信息保存在数据库中,以备后续匹配,类似于免疫系统中的抗体生成过程。到目前为止,已经建立了基于风险理论模型的人工免疫系统。图二。系统工作顺序图
人工免疫系统构建完成后,黄新宇用MATLAB模拟入侵检测过程。仿真结果表明,当恶意节点比例为10%时,系统的最佳漏检率为1.3%,最佳误检率为4.3%,整体检测准确率高于95%,证明了系统设计的合理性和有效性。
该论文的研究工作是由学院2019级本科生黄新宇在光电科学与工程学院吴远明教授的指导下,通过2021校级创新创业项目独立完成的。图3。系统的平均漏检率和误检率
IEEE Sensors Journal现为中国科学院二区SCI期刊,Cite评分6.00,排名Q1区。自2001年发布以来,征文内容涵盖了与传感器技术密切相关的领域,如信号处理与分析、通信、网络与广播技术、元器件、电路、器件与系统、机器人与控制系统等。
关注“电子科技大学本科招生”头条号,获取更多“双一流”建设高校电子科技大学最新精彩资讯。
本文来源:电子科技大学新闻网



