WSN中基于Mini Batch K-Means与SVM的入侵检测方案

• 作者: 欧阳潇琴 王秋华
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 无线传感器网络 入侵检测 MiniBatchK-Means聚类算法 SVM算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机网络与通信
• 页码范围: 204-209
• 页数: 6页
• 分类号: TP309
• 字数: 4494字
• 语种: 中文
• DOI: 10.11907/rjdk.191638

摘要

无线传感器网络通常部署在复杂的户外环境,易遭受各种攻击.多数入侵检测系统均采用数据挖掘算法对网络数据包进行分析,但在处理大样本集时,其效率明显降低.针对这一缺点,提出一种基于Mini Batch K-Means和SVM的入侵检测方案.该方案首先分别对正常行为特征库和异常行为特征库进行Mini Batch K-Means聚类,取得类中心作为各类的代表样本并赋予权值,将其传入SVM分类器作为训练数据,得到分类超平面,通过该超平面对待测样本作出判断.解决了如K-Means、KNN、SVM等传统数据挖掘算法在大数据样本集数据分析中面临的低效问题.仿真结果表明,该方案能快速准确地判断样本类别,其检测率达到98.7％.与K-Means、KNN和SVM相比,不仅达到了同样高的检测率,而且明显提高了入侵检测的时间效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秋华	杭州电子科技大学网络空间安全学院	23	137	7.0	11.0
2	欧阳潇琴	杭州电子科技大学通信工程学院	3	2	1.0	1.0