專利名稱：一種基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及網(wǎng)絡(luò)通信技術(shù)領(lǐng)域中網(wǎng)絡(luò)行為監(jiān)測技術(shù)，尤其涉及一種基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法。
背景技術(shù)：
隨著信息科技的飛速發(fā)展，綜合了傳感器技術(shù)、信息處理技術(shù)和網(wǎng)絡(luò)通信技術(shù)的 WSN(Wireless Sensor Network,無線傳感器網(wǎng)絡(luò))應(yīng)運而生，WSN因其部署快速、使用靈活、監(jiān)測精準(zhǔn)、價格低廉、通信安全等特點，使得在軍事領(lǐng)域、工業(yè)監(jiān)控、環(huán)境觀測與預(yù)報、醫(yī)療護理、智能家居、交通運輸?shù)确矫婢哂蟹浅V闊的應(yīng)用前景。
所述WSN由大量的、具有通信與計算能力的密集布設(shè)在監(jiān)控區(qū)域的傳感器節(jié)點構(gòu)成，能夠自主完成指定任務(wù)。圖1顯示了無線傳感器網(wǎng)絡(luò)的體系結(jié)構(gòu)圖，如圖1所示，在監(jiān)測區(qū)域內(nèi)，無線傳感器網(wǎng)絡(luò)中的傳感器節(jié)點根據(jù)用戶管理節(jié)點的需要采集數(shù)據(jù)，并將采集到的數(shù)據(jù)通過匯聚節(jié)點傳遞至用戶管理節(jié)點。
我國關(guān)于無線傳感器網(wǎng)絡(luò)的研究走在了世界的前列 。1999年，傳感器網(wǎng)絡(luò)首次正式出現(xiàn)于中國科學(xué)院《知識創(chuàng)新工程試點領(lǐng)域方向研究》的信息與自動化領(lǐng)域研究報告中。 幾年來，中科院計算技術(shù)研究所、中科院軟件所、清華大學(xué)、浙江大學(xué)、中國科技大學(xué)、華中科技大學(xué)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(xié)議棧、同步和定位中間件、網(wǎng)絡(luò)管理以及網(wǎng)絡(luò)節(jié)點的設(shè)計等。一些企業(yè)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(shù)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(wǎng)工程技術(shù)研發(fā)中心視察發(fā)表重要講話“在傳感網(wǎng)發(fā)展中，要早一點謀劃未來，早一點攻破核心技術(shù)”；“在國家重大科技專項中，加快推進傳感網(wǎng)發(fā)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(yīng)用領(lǐng)域如軍事領(lǐng)域，保障網(wǎng)絡(luò)的安全，提高網(wǎng)絡(luò)資源利用率，都成為亟待解決的問題。由于傳感器節(jié)點工作在無線網(wǎng)絡(luò)環(huán)境中，這就導(dǎo)致在數(shù)據(jù)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(jié)點之間是通過無線通信的，入侵節(jié)點在傳感器節(jié)點頻段內(nèi)不斷發(fā)送無用信號，致使在其發(fā)射范圍內(nèi)的傳感器節(jié)點處于隔離狀態(tài)，直到入侵節(jié)點停止發(fā)送無用信號才能繼續(xù)正常工作。 以耗盡攻擊為例，攻擊者利用通信協(xié)議的漏洞，使用通信的持續(xù)方式來耗盡傳感器節(jié)點的能量。以選擇性轉(zhuǎn)發(fā)(Selective Forwarding)為例,攻擊者獲得合法身份后,對需要轉(zhuǎn)發(fā)的數(shù)據(jù)包進行特征匹配，若特征相符則不轉(zhuǎn)發(fā)，否則繼續(xù)轉(zhuǎn)發(fā)，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(dāng)一條通信路徑發(fā)生選擇性轉(zhuǎn)發(fā)時，其它備用路徑仍可以進行數(shù)據(jù)轉(zhuǎn)發(fā)。
因此，在設(shè)計WSN行為監(jiān)測協(xié)議時，應(yīng)多方面考慮網(wǎng)絡(luò)行為監(jiān)測的效率，在節(jié)省能耗的前提下，提高網(wǎng)絡(luò)可信性。發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法，通過網(wǎng)絡(luò)行為檢測，解決WSN安全可靠性差的問題，從而提高WSN數(shù)據(jù)的傳輸效率，增強網(wǎng)絡(luò)可信性。
根據(jù)本發(fā)明的一個方面，本發(fā)明提供的一種基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法，包括
簇頭節(jié)點對所接收的數(shù)據(jù)進行匹配處理，得到可信數(shù)據(jù)或可疑數(shù)據(jù)；
簇頭節(jié)點通過基于支持向量機SVM的監(jiān)測算法對所述可疑數(shù)據(jù)進行檢測，以確定所述可疑數(shù)據(jù)是可信數(shù)據(jù)還是不可信數(shù)據(jù)；
簇頭節(jié)點根據(jù)所述數(shù)據(jù)是否為可信數(shù)據(jù)，調(diào)整發(fā)送所述數(shù)據(jù)的簇頭節(jié)點的信任值。
所述匹配處理步驟包括
簇頭節(jié)點接收到數(shù)據(jù)后，其行為規(guī)則匹配模塊根據(jù)所述數(shù)據(jù)的傳輸半徑，判斷所述數(shù)據(jù)的發(fā)送簇頭節(jié)點是否為其鄰居簇頭節(jié)點；
當(dāng)判斷是其鄰居簇頭節(jié)點時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
所述匹配處理的步驟還包括
行為規(guī)則匹配模塊根據(jù)其鄰居簇頭節(jié)點發(fā)送的數(shù)據(jù)，計算數(shù)據(jù)沖突率；
當(dāng)所述數(shù)據(jù)沖突率小于數(shù)據(jù)沖突率閾值時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
所述匹配處理步驟還包括
行為規(guī)則匹配模塊獲取所述數(shù)據(jù)的重傳時間間隔和/或轉(zhuǎn)發(fā)時間間隔；
當(dāng)所述重傳時間間隔大于預(yù)定重傳時間間隔和/或所述轉(zhuǎn)發(fā)時間間隔小于所述預(yù)定轉(zhuǎn)發(fā)時間間隔和/或所述數(shù)據(jù)未被修改時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
所述檢測步驟包括
簇頭節(jié)點將所述數(shù)據(jù)確定為可疑數(shù)據(jù)后，其SVM檢測模塊將所述可疑數(shù)據(jù)進行預(yù)處理，得到可疑數(shù)據(jù)樣本分量；
根據(jù)預(yù)先訓(xùn)練的特征向量，對所述可疑數(shù)據(jù)樣本分量進行SVM檢測處理，以確定不可信數(shù)據(jù)。
所述預(yù)先訓(xùn)練的特征向量的獲取步驟包括
將訓(xùn)練數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)的η個訓(xùn)練數(shù)據(jù)特征向量；
根據(jù)所述η個訓(xùn)練數(shù)據(jù)特征向量，計算所述η個訓(xùn)練數(shù)據(jù)特征向量的η個分類權(quán)值，并按照由大至小的順序排列；
計算前m個分類權(quán)值之和與全部分類權(quán)值之和的比值，獲取比值大于等于常量閾值的前k個訓(xùn)練數(shù)據(jù)特征向量；
訓(xùn)練所述k個訓(xùn)練數(shù)據(jù)特征向量，得到k個預(yù)先訓(xùn)練的特征向量。
所述信任值調(diào)整步驟包括
當(dāng)簇頭節(jié)點的行為規(guī)則匹配模塊確定所述數(shù)據(jù)是可信數(shù)據(jù)時，其信任控制模塊將其鄰居簇頭節(jié)點的信任值提高，否則將信任值降低，其中，提高的信任值小于降低的信任值。
所述信任值調(diào)整步驟還包括
簇頭節(jié)點的SVM檢測模塊確定所述數(shù)據(jù)是不可信數(shù)據(jù)時，其信任控制模塊將其鄰居簇頭節(jié)點的信任值降低至零。
所述方法還包括協(xié)作檢測步驟，具體為
簇頭節(jié)點的協(xié)作檢測模塊通過接收鄰居簇頭節(jié)點的信任交互包，計算鄰居簇頭節(jié)點的信任值，并更新鄰居簇頭節(jié)點的信任值。
所述信任交互包包括包類型、鄰居簇頭節(jié)點ID和鄰居簇頭節(jié)點信譽狀態(tài)表。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于
1、本發(fā)明充分考慮了信任值以及分類權(quán)值，在保證網(wǎng)絡(luò)行為監(jiān)測的檢測率下，降低算法的復(fù)雜度，大大提高了網(wǎng)絡(luò)的安全性，也延長了網(wǎng)絡(luò)的壽命。
2、本發(fā)明為傳感器節(jié)點添加了信任值標(biāo)識，依賴信任值維護規(guī)則實現(xiàn)了節(jié)點信任值的動態(tài)更新，使得簇頭可以判斷鄰居節(jié)點的信任值大小，將數(shù)據(jù)轉(zhuǎn)發(fā)給“值得信賴”的下一跳，增強了網(wǎng)絡(luò)的安全性和可信性。


圖1是無線傳感器網(wǎng)絡(luò)的體系結(jié)構(gòu)圖；圖2是本發(fā)明實施例提供的基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法流
程圖3是本發(fā)明實施例提供的基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法的
原理框圖
圖4是本發(fā)明實施例提供的匯總模型的協(xié)作監(jiān)測原理示意圖；圖5是本發(fā)明實施例提供的協(xié)作模型的協(xié)作監(jiān)測原理示意圖6是本發(fā)明實施例提供的支持向量機監(jiān)測模塊的檢測原理示意圖；圖7是本發(fā)明實施例提供的信任交互包的格式。
具體實施方式
以下結(jié)合附圖對本發(fā)明的優(yōu)選實施例進行詳細(xì)說明，應(yīng)當(dāng)理解，以下所說明的優(yōu)選實施例僅用于說明和解釋本發(fā)明，并不用于限制本發(fā)明。
圖2是本發(fā)明實施例提供的基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法流程圖，步驟包括
步驟201 :簇頭節(jié)點對所接收的數(shù)據(jù)進行匹配處理，得到可信數(shù)據(jù)或可疑數(shù)據(jù)。
所述步驟201包括簇頭節(jié)點接收到數(shù)據(jù)后，其行為規(guī)則匹配模塊根據(jù)所述數(shù)據(jù)的傳輸半徑，判斷所述數(shù)據(jù)的發(fā)送簇頭節(jié)點是否為其鄰居簇頭節(jié)點；當(dāng)判斷是其鄰居簇頭節(jié)點時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
所述步驟201還包括行為規(guī)則匹配模塊根據(jù)其鄰居簇頭節(jié)點發(fā)送的數(shù)據(jù)，計算數(shù)據(jù)沖突率；當(dāng)所述數(shù)據(jù)沖突率小于數(shù)據(jù)沖突率閾值時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
所述步驟201還包括行為規(guī)則匹配模塊獲取所述數(shù)據(jù)的重傳時間間隔和/或轉(zhuǎn)發(fā)時間間隔；當(dāng)所述重傳時間間隔大于預(yù)定重傳時間間隔和/或所述轉(zhuǎn)發(fā)時間間隔小于所述預(yù)定轉(zhuǎn)發(fā)時間間隔和/或所述數(shù)據(jù)未被修改時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
步驟202 :簇頭節(jié)點通過基于支持向量機SVM的監(jiān)測算法對所述可疑數(shù)據(jù)進行檢測，以確定所述可疑數(shù)據(jù)是可信數(shù)據(jù)還是不可信數(shù)據(jù)。
所述步驟202包括簇頭節(jié)點將所述數(shù)據(jù)確定為可疑數(shù)據(jù)后，其SVM檢測模塊將所述可疑數(shù)據(jù)進行預(yù)處理，得到可疑數(shù)據(jù)樣本分量；根據(jù)預(yù)先訓(xùn)練的特征向量，對所述可疑數(shù)據(jù)樣本分量進行SVM檢測處理，以確定不可信數(shù)據(jù)。
所述預(yù)先訓(xùn)練的特征向量的獲取步驟包括將訓(xùn)練數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)的η個訓(xùn)練數(shù)據(jù)特征向量；根據(jù)所述η個訓(xùn)練數(shù)據(jù)特征向量，計算所述η個訓(xùn)練數(shù)據(jù)特征向量的η個分類權(quán)值，并按照由大至小的順序排列；計算前m個分類權(quán)值之和與全部分類權(quán)值之和的比值，獲取比值大于等于常量閾值的前k個訓(xùn)練數(shù)據(jù)特征向量；訓(xùn)練所述k個訓(xùn)練數(shù)據(jù)特征向量，得到k個預(yù)先訓(xùn)練的特征向量。
步驟203 :簇頭節(jié)點的協(xié)作檢測模塊通過接收鄰居簇頭節(jié)點的信任交互包，計算鄰居簇頭節(jié)點的信任值，并更新鄰居簇頭節(jié)點的信任值。
所述信任交互包包括包類型、鄰居簇頭節(jié)點ID和鄰居簇頭節(jié)點信譽狀態(tài)表。
步驟204 :簇頭節(jié)點根據(jù)所述數(shù)據(jù)是否為可信數(shù)據(jù)，調(diào)整發(fā)送所述數(shù)據(jù)的簇頭節(jié)點的任值。
所述步驟204包括當(dāng)簇頭節(jié)點的行為規(guī)則匹配模塊確定所述數(shù)據(jù)是可信數(shù)據(jù)時，其信任控制模塊將其鄰居簇頭節(jié)點的信任值提高，否則將信任值降低，其中，提高的信任值小于降低的信任值。
所述步驟204還包括簇頭節(jié)點的SVM檢測模塊確定所述數(shù)據(jù)是不可信數(shù)據(jù)時，其信任控制模塊將其鄰居簇頭節(jié)點的信任值降低至零。
所述步驟204還包括簇頭節(jié)點根據(jù)其協(xié)作檢測模塊計算的節(jié)點信任值，更新其信任控制模塊中的鄰居簇頭節(jié)點的信任·值。
圖3是本發(fā)明實施例提供的基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測裝置方法的原理框圖，如圖3所示，本發(fā)明針對無線傳感器網(wǎng)絡(luò)的行為監(jiān)測，設(shè)計一種基于支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法，提高網(wǎng)絡(luò)的安全性可靠性。所述網(wǎng)絡(luò)行為監(jiān)測方法包括兩個階段本地監(jiān)測階段和協(xié)作監(jiān)測階段。所述本地監(jiān)測階段完成對周圍的鄰居簇頭節(jié)點網(wǎng)絡(luò)行為的監(jiān)測，該階段由行為規(guī)則匹配和基于SVM的檢測模塊完成，即由簇頭節(jié)點的行為規(guī)則匹配模塊和SVM檢測模塊實現(xiàn)本地監(jiān)測。所述協(xié)作檢測階段完成節(jié)點間的協(xié)作監(jiān)測，其工作方式取決于節(jié)點的類型，如果是簇內(nèi)普通節(jié)點，主要負(fù)責(zé)將本地產(chǎn)生的警報傳輸?shù)皆摯氐拇仡^節(jié)點，如圖4所示的匯總模型。如果是簇頭節(jié)點，將需要將協(xié)作的信息通過廣播的形式發(fā)送給其他簇頭節(jié)點，如圖5所示的協(xié)作模型。對于目標(biāo)簇頭節(jié)點信譽狀況的衡量，通過分布式的信任控制機制實現(xiàn)。進一步說明如下
一、行為規(guī)則匹配
行為規(guī)則匹配模塊對監(jiān)聽的網(wǎng)絡(luò)數(shù)據(jù)進行分層檢測，來評判網(wǎng)絡(luò)中是否有可疑的入侵行為發(fā)生，并與信任控制模塊進行交互，來實現(xiàn)全網(wǎng)的分布式信任控制。為了檢測入侵，需要對分層協(xié)議的每一層制定相應(yīng)的檢測規(guī)則，具體規(guī)則如下
1、物理層規(guī)則
傳輸半徑規(guī)則簇頭節(jié)點在混雜模式下接收到的數(shù)據(jù)應(yīng)該來自其鄰居簇頭節(jié)點的消息，若不是來自鄰居的消息，則違反傳輸半徑規(guī)則，可能存在外在的大功率發(fā)射器的節(jié)點，而被評判為懷疑入侵。也就是說，根據(jù)數(shù)據(jù)的傳輸半徑判斷所述數(shù)據(jù)的發(fā)送簇頭節(jié)點是否為其鄰居簇頭節(jié)點，如果是其鄰居簇頭節(jié)點，則所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
2、數(shù)據(jù)鏈路層規(guī)則
消息沖突規(guī)則簇頭節(jié)點傳輸消息(即數(shù)據(jù))時，數(shù)據(jù)沖突率應(yīng)該保持在一定的范圍內(nèi)，若數(shù)據(jù)沖突率過高則說明可能存在網(wǎng)絡(luò)入侵，即行為規(guī)則匹配模塊判斷所述數(shù)據(jù)沖突率小于數(shù)據(jù)沖突率閾值時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。所述數(shù)據(jù)沖突率是指在無線發(fā)送過程中，節(jié)點間發(fā)送數(shù)據(jù)之間的碰撞而造成的沖突。一般，數(shù)據(jù)沖突率在一定范圍能夠自我糾正，而太高則無法自我糾正。
3、網(wǎng)絡(luò)層規(guī)則
重傳規(guī)則簇頭節(jié)點發(fā)送數(shù)據(jù)時，對同一簇頭節(jié)點發(fā)送的同一組數(shù)據(jù)應(yīng)該保持一定的時間間隔重傳，否則違反該規(guī)則，而被評判為懷疑入侵。即所述數(shù)據(jù)的重傳時間間隔應(yīng)大于預(yù)定重傳時間間隔，否則所述數(shù)據(jù)將被確定為可疑數(shù)據(jù)。
轉(zhuǎn)發(fā)規(guī)則簇頭節(jié)點接收其鄰居簇頭節(jié)點的數(shù)據(jù)后應(yīng)該在短時間內(nèi)轉(zhuǎn)發(fā)數(shù)據(jù)，若簇頭節(jié)點對數(shù)據(jù)長時間不轉(zhuǎn)發(fā)，則違反轉(zhuǎn)發(fā)規(guī)則，該網(wǎng)絡(luò)行為將被評判為懷疑入侵。即所述數(shù)據(jù)的轉(zhuǎn)發(fā)時間間隔應(yīng)小于預(yù)定轉(zhuǎn)發(fā)時間間隔，否則所述網(wǎng)絡(luò)數(shù)據(jù)將被確定為可疑網(wǎng)絡(luò)數(shù)據(jù)。
完整性規(guī)則簇頭節(jié)點發(fā)送網(wǎng)絡(luò)數(shù)據(jù)沿著簇頭節(jié)點往網(wǎng)管方向，若在這個路徑上數(shù)據(jù)被修改，則違反該規(guī)則，該網(wǎng)絡(luò)行為被評判為懷疑入侵，即將所述數(shù)據(jù)確定為可疑網(wǎng)絡(luò)數(shù)據(jù)。
二、基于SVM的監(jiān)測算法
SVM檢測模塊對可疑的網(wǎng)絡(luò)入侵行為作進一步檢測，本發(fā)明將一種改進的基于特征約簡的SVM的監(jiān)測算法應(yīng)用到網(wǎng)絡(luò)行為檢測中。在保持SVM檢測性能的前提下通過特征約簡輸入支持向量，其特征約簡的是通過分類權(quán)值大小來選取向量的列分量，從而降低數(shù)據(jù)的維數(shù)，加快分類速度，降低分類器的復(fù)雜度，通過對數(shù)據(jù)橫向的約簡來進一步約簡支持向量機。
在傳感器網(wǎng)絡(luò)中應(yīng)用SVM需要對數(shù)據(jù)進行大規(guī)模的數(shù)據(jù)高維處理，這必然需要耗費較多的時間和能量計算向量的內(nèi)積，而隨著數(shù)據(jù)維數(shù)和數(shù)據(jù)量的增加，分類時間也越來越慢。因此，提出了基于特征約簡的SVM來縮短分類時間。圖6顯示了本發(fā)明實施例提供的支持向量機監(jiān)測模塊的檢測原理示意圖，如圖6所示，對訓(xùn)練數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)樣本分量，即得到訓(xùn)練數(shù)據(jù)的η個訓(xùn)練數(shù)據(jù)特征向量，對所述η個訓(xùn)練數(shù)據(jù)特征向量進行SVM訓(xùn)練的步驟包括
1、特征選擇
在對所述訓(xùn)練數(shù)據(jù)樣本分量進行分類時，將某一維特征向量對樣本類別的判斷能力稱為該樣本分量的可分性。樣本類別的可分性越好，其特征分量對樣本類別的判斷會更好，而其判斷的依據(jù)就是通過該維特征分量的均值和方差，均值差距越大、方差越小，則可分性更優(yōu)。
假設(shè)輸入數(shù)據(jù)第w類樣本為(x〔,w), i = 1，2，· · ·，L，<eRn。
其中χΓ=(χΙ，...，χ ，...，χΓη);
權(quán)利要求
1.一種支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法，其特征在于，包括簇頭節(jié)點對所接收的數(shù)據(jù)進行匹配處理，得到可信數(shù)據(jù)或可疑數(shù)據(jù)；簇頭節(jié)點通過基于支持向量機SVM的監(jiān)測算法對所述可疑數(shù)據(jù)進行檢測，以確定所述可疑數(shù)據(jù)是可信數(shù)據(jù)還是不可信數(shù)據(jù)；簇頭節(jié)點根據(jù)所述數(shù)據(jù)是否為可信數(shù)據(jù)，調(diào)整發(fā)送所述數(shù)據(jù)的簇頭節(jié)點的信任值。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述匹配處理步驟包括簇頭節(jié)點接收到數(shù)據(jù)后，其行為規(guī)則匹配模塊根據(jù)所述數(shù)據(jù)的傳輸半徑，判斷所述數(shù)據(jù)的發(fā)送簇頭節(jié)點是否為其鄰居簇頭節(jié)點；當(dāng)判斷是其鄰居簇頭節(jié)點時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述匹配處理的步驟還包括行為規(guī)則匹配模塊根據(jù)其鄰居簇頭節(jié)點發(fā)送的數(shù)據(jù)，計算數(shù)據(jù)沖突率；當(dāng)所述數(shù)據(jù)沖突率小于數(shù)據(jù)沖突率閾值時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述匹配處理步驟還包括行為規(guī)則匹配模塊獲取所述數(shù)據(jù)的重傳時間間隔和/或轉(zhuǎn)發(fā)時間間隔；當(dāng)所述重傳時間間隔大于預(yù)定重傳時間間隔和/或所述轉(zhuǎn)發(fā)時間間隔小于所述預(yù)定轉(zhuǎn)發(fā)時間間隔和/或所述數(shù)據(jù)未被修改時，所述數(shù)據(jù)為可信數(shù)據(jù)，否則為可疑數(shù)據(jù)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述檢測步驟包括簇頭節(jié)點將所述數(shù)據(jù)確定為可疑數(shù)據(jù)后，其SVM檢測模塊將所述可疑數(shù)據(jù)進行預(yù)處理，得到可疑數(shù)據(jù)樣本分量；根據(jù)預(yù)先訓(xùn)練的特征向量，對所述可疑數(shù)據(jù)樣本分量進行SVM檢測處理，以確定不可信數(shù)據(jù)。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預(yù)先訓(xùn)練的特征向量的獲取步驟包括將訓(xùn)練數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)的η個訓(xùn)練數(shù)據(jù)特征向量；根據(jù)所述η個訓(xùn)練數(shù)據(jù)特征向量，計算所述η個訓(xùn)練數(shù)據(jù)特征向量的η個分類權(quán)值，并按照由大至小的順序排列；計算前m個分類權(quán)值之和與全部分類權(quán)值之和的比值，獲取比值大于等于常量閾值的前k個訓(xùn)練數(shù)據(jù)特征向量；訓(xùn)練所述k個訓(xùn)練數(shù)據(jù)特征向量，得到k個預(yù)先訓(xùn)練的特征向量。
7.根據(jù)權(quán)利要求所述的方法，其特征在于，所述信任值調(diào)整步驟包括當(dāng)簇頭節(jié)點的行為規(guī)則匹配模塊確定所述數(shù)據(jù)是可信數(shù)據(jù)時，其信任控制模塊將其鄰居簇頭節(jié)點的信任值提高，否則將信任值降低，其中，提高的信任值小于降低的信任值。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述信任值調(diào)整步驟還包括簇頭節(jié)點的SVM檢測模塊確定所述數(shù)據(jù)是不可信數(shù)據(jù)時，其信任控制模塊將其鄰居簇頭節(jié)點的信任值降低至零。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括協(xié)作檢測步驟，具體為簇頭節(jié)點的協(xié)作檢測模塊通過接收鄰居簇頭節(jié)點的信任交互包，計算鄰居簇頭節(jié)點的信任值，并更新鄰居簇頭節(jié)點的信任值。
10.根據(jù)權(quán)利要求9所述的網(wǎng)絡(luò)行為監(jiān)測方法，其特征在于，所述信任交互包包括包類型 、鄰居簇頭節(jié)點ID和鄰居簇頭節(jié)點信譽狀態(tài)表。
全文摘要
本發(fā)明公開了一種支持向量機和信任控制的網(wǎng)絡(luò)行為監(jiān)測方法，包括簇頭節(jié)點對所接收的數(shù)據(jù)進行匹配處理，得到可信數(shù)據(jù)或可疑數(shù)據(jù)；簇頭節(jié)點通過基于支持向量機SVM的監(jiān)測算法對所述可疑數(shù)據(jù)進行檢測，以確定所述可疑數(shù)據(jù)是可信數(shù)據(jù)還是不可信數(shù)據(jù)；簇頭節(jié)點根據(jù)所述數(shù)據(jù)是否為可信數(shù)據(jù)，調(diào)整發(fā)送所述數(shù)據(jù)的簇頭節(jié)點的信任值。本發(fā)明在保證網(wǎng)絡(luò)行為監(jiān)測的檢測率下，降低算法的復(fù)雜度，大大提高了網(wǎng)絡(luò)的安全性，也延長了網(wǎng)絡(luò)的壽命；并且為傳感器節(jié)點添加了信任值標(biāo)識，依賴信任值維護規(guī)則實現(xiàn)了節(jié)點信任值的動態(tài)更新，使得簇頭可以判斷鄰居節(jié)點的信任值大小，將數(shù)據(jù)轉(zhuǎn)發(fā)給“值得信賴”的下一跳，增強了網(wǎng)絡(luò)的安全性和可信性。
文檔編號H04W84/18GK103002438SQ20111027285
公開日2013年3月27日 申請日期2011年9月15日 優(yōu)先權(quán)日2011年9月15日
發(fā)明者蔡志偉, 徐啟建, 吳作順, 田旭, 張國卿, 沈玉龍, 杜飛, 張建中 申請人:中國人民解放軍總參謀部第六十一研究所