基于PSO—RBF无线传感器网络入侵检测技术研究.pdfVIP

2011年 第3O卷 第9期 传感器与微系统 (TransducerandMicrosystemTechnologies) 9 基于 PSO．RBF无线传感器网络入侵检测技术研究 易晓梅 ，吴 鹏，刘丽娟，戴 丹 (浙江农林大学 信息工程学院。浙江 杭州 311300) 摘 要：针对无线传感器网络 自身特性 ，提出了基于粒子群优化(PSO)径向基函数 (RBF)神经网络的轻 量级入侵检测方案，该方案结合PSO算法与RBF神经网络分别在全局搜索和局部搜索的优势，使用PSO 优化RBF的中心、宽度及权值。仿真实验表明：基于PSO—RBF的入侵检测算法可以有效、可靠地运用于无 线传感器入侵检测系统中。 关键词：无线传感器网络；入侵检测；径向基函数神经网络；粒子群优化算法 中图分类号：A 文献标识码 ：A 文章编号：1000--9787(2011)09-0009-03 Research onW SNsintrusion detection technology basedonPSO．RBF YIXiao-mei，WUPeng，LIULi—juan，DAIDan (SchoolofInformationEngineering，ZhejiangAgricultureandForestryUniversity， Hangzhou311300，China) Abstract：Aparticleswarm optimization(PSO)，radialbasisfunction(RBF)lightweightintrusiondetection rfamework isproposedaimingatthefeaturesofWSNs．TheparametersofRBF isoptimizedbyassimilatingthe advantagesbothofPSO’SglobalsearchandRBF’Slocalsearch，thetestresultshowsthatPSO—RBF algorithm mightbeeffectivelyandreliablyusedinWSNsintrusiondetectionsystem． Keywords：wirelesssensornetworks(WSNs)；intrusiondetection；radialbasisfunction(RBF)neuralnetwork； particleswarmoptimization(PSO)algorithm 0 引 言 测技术不能直接用于WSNs，本文结合粒子群优化 (particle 与传统网络相 比，无线传感器网络 (WSNs)无线信道 searmoptimization，PSO)算法和径 向基函数 (radialbasis 的脆弱性使得无线连接更容易被窃取和干扰 ；网络节点部 function，RBF)神经网络并将其用于 WSNs的入侵检测中， 署在开阔环境 ，缺乏清晰的网络边界，使得防火墙之类的安 以提高入侵检测性能。 全设施无所适从；节点能源、存储和带宽有限使得 WSNs更 1 基于PSO-RBF的入侵检测方案 易遭受攻击 J。虽然加密、认证技术等安全防御机制对 由于受到能量 、带宽、处理和存储能力等的限制 ，在设 WSNs起到一定的防护作用，能使网络免受一些特定攻击 ， 计WSNs入侵检测系统时要考虑到诸多因素 ，如，不能过 但对于诸如 Wormhole，HelloFlood，DDoS，SelectiveForwar— 多增大网络开销和增加网络负载、保证入侵检测系统的自 ding，Sinkhole攻击等显