基于OS-ELM和SDAE的Wi-Fi入侵检测方法

• 作者: 侯路 刘明峰 赵宇飞 郭顺森 韩然
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 在线序列极限学习机 栈式降噪自编码网络 数据降维 入侵检测 Wi-Fi网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 通信网络和列车控制安全
• 页码范围: 87-93,101
• 页数: 8页
• 分类号: TP393.08
• 字数: 5062字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.20180183

摘要

为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数据和正常数据进行平衡处理操作,使分类器的分类效果不受样本数据集中多数类样本的影响.然后使用栈式降噪自编码网络(SDAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模,避免维度灾难.最后,在AWID数据集进行处理并输入到OS-ELM分类器中,结果表明:与其他基于浅层学习算法的检测方法相比,所提方法可有效地精简数据特征,降低了检测时间,同时在检测精度和误报率方面也体现出了更优性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宇飞	北京航空航天大学计算机学院	3	20	2.0	3.0
2	刘明峰		3	1	1.0	1.0
3	侯路		3	1	1.0	1.0
4	郭顺森		3	1	1.0	1.0
5	韩然		3	1	1.0	1.0