基于dbn的移动自组织网络入侵检测技术研究-通信与信息系统专业论文.docxVIP

摘要 摘要 I I 摘 要 移动自组织网络在无线通信领域得到了越来越广泛的应用，但其固有特性使 其容易受到各种各样的入侵，对其安全性研究是非常有价值的。入侵检测技术作 为一种主动式安全防护机制，是保障移动自组织网络安全的关键。深度学习主要 探讨多层人工神经网络的建模和学习问题，已经在语音、图像识别等领域获得了 巨大成功，为解决移动自组织网络入侵检测这样一个复杂的行为识别问题提供了 新的有效途径。 针对移动自组织网络安全问题的多样性和复杂性，本文提出了一种基于深度 信念网络（Deep Belief Network, DBN）的入侵检测方法。DBN 是一种比较成熟的 深度学习模型，将 DBN 应用于移动自组织网络入侵检测技术中，能够取得较高的 检测正确率。本文的主要工作和贡献在于： 结合移动自组织网络的特点和安全威胁，本文首先分析了入侵检测技术应用 于移动自组织网络面临的难题、几种典型的入侵检测算法和模型。研究了 DBN 模 型的学习原理，受限玻尔兹曼机的训练算法；分析了将 DBN 应用于移动自组织网 络入侵检测技术中原理上的可行性。 其次，本文设计了基于 DBN 的移动自组织网络入侵检测模型的体系结构，包 括对无线数据包捕获，数据预处理，模型训练和入侵检测等模块的详细设计；给 出了 DBN 模型训练过程中会遇到的几个问题的解决方法。 最后，对本文提出的基于 DBN 的移动自组织网络入侵检测方法进行了仿真。 针对移动自组织网络路由层的拒绝服务攻击，本文在 NS2 中添加了黑洞节点和自 私节点，模拟两种网络入侵。分别对正常网络和加入攻击节点的网络进行了仿真， 分析了网络性能，并提取了网络行为特征。基于 MATLAB 仿真了 DBN 入侵检测 模型，并对其进行训练和测试。测试结果验证了本文提出的基于 DBN 的移动自组 织网络入侵检测方法的可行性；与传统 BP 神经网络入侵检测方法进行比较，DBN 具有更好的入侵检测性能。 关键词：移动自组织网络，入侵检测，深度学习，深度信念网络，RBM ABSTRACT ABSTRACT ABSTRACT Mobile ad hoc networks (MANETs) have been widely used in wireless communication field, but its characteristics make it more vulnerable to all kinds of intrusion. So, it is very valuable to research the security of MANETs. As an active security protection measure, intrusion detection technology is the key to ensuring the security of MANETs. Deep learning was emerged as a new machine learning technology in recent years, mainly explored modeling and learning problems of multi-layer artificial neural network, had got great success in speech and image recognition field, provided a new way to solve such a complex behavior recognition problem of intrusion detection in MANETs. Aiming at the diversity and complexity of security issues in MANETs, this thesis presents a method for intrusion detection based on deep belief network (DBN). As a kind of mature deep learning model, DBN could achieve better detection accuracy, if it is applied to intrusion detection technology in MANETs. The main work and contributions of this thesis were listed as follows: Firstly, combined with the characteristics and security threa