基于机器学习的恶意双胞胎攻击检测

• 作者: 汪卓越 王春东
• 来源期刊: 天津理工大学学报
• 关键词: 恶意双胞胎攻击 机器学习 攻击检测 无线安全
• 年，卷（期）: 2021,（3）
• 页码范围: 20-24
• 页数: 5页
• 分类号: TP393.0
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2021.03.004

摘要

随着移动计算的普及,WiFi(wireless fidelity)已经成为人们上网的必备技术之一,WiFi安全也成为移动计算的主要威胁.恶意双胞胎攻击可以通过伪造与实际接入点相同的服务集标识符来窃取大量私有数据,威胁着人们的财产安全.因此,针对这种隐患,提出了一种模型,通过使用多种机器学习算法对恶意双胞胎攻击进行检测.首先介绍恶意双胞胎攻击的原理及危害,然后基于数据特征,分别使用K近邻、支持向量机、逻辑回归、朴素贝叶斯4种算法实现分类,最后,使用基于4种分类算法的检测模型对采集到的数据进行测试.结果显示,支持向量机分类算法准确率更高,达到96.4％.