室內(nèi)場景下基于信任和入侵檢測機制的安全技術研究.pdf

1、以智能系統(tǒng)為核心的智能家居、智能醫(yī)療已成為物聯(lián)網(wǎng)領域內(nèi)熱門的研究方向。室內(nèi)智能場景下所感知的數(shù)據(jù)多為環(huán)境、生理、行為等數(shù)據(jù)，涉及個人隱私、生命以及財產(chǎn)安全，比傳統(tǒng)應用領域采集的數(shù)據(jù)敏感系數(shù)高，安全隱患大，易遭受內(nèi)部和外部攻擊侵襲。所以如何依據(jù)不同室內(nèi)場景的空間、網(wǎng)絡特點，并結(jié)合物聯(lián)網(wǎng)體系不同層易遭受的攻擊引入適合的安全機制實現(xiàn)逐層安全防御是一項巨大的挑戰(zhàn)。
　　本文從不同的室內(nèi)場景出發(fā)，結(jié)合實際空間格局和被檢測對象屬性，構(gòu)建感知層

2、網(wǎng)絡模型，并以“主動+被動防御”為指導，在路由協(xié)議中引入安全Beta信任機制抵御內(nèi)部攻擊以執(zhí)行有效的數(shù)據(jù)采集，進一步，在網(wǎng)絡層和應用層中融入混合入侵檢測系統(tǒng)應對外部的滲透性攻擊。主要工作如下:
　　(1)針對小型智能家居環(huán)境下空間小、障礙物多、抵御內(nèi)部攻擊能力弱的問題，提出一種基于區(qū)域劃分成簇和信任機制的安全路由協(xié)議(A Secure Routing Protocol with Regional Partitioned Clust

3、ering and Beta Trust Management in Smart Home，SH-PCNBTM)，該協(xié)議結(jié)合家居環(huán)境內(nèi)空間格局分明，數(shù)據(jù)具有區(qū)域相似性的特點實施區(qū)域分簇。同時在協(xié)議中嵌入一種安全Beta信任機制用于指導各個區(qū)域簇頭的選取，此機制不僅在推薦信任中引入評價信任計算融合權重以減少同謀攻擊的影響，而且打破了傳統(tǒng)Beta信任機制中的“閾值”壁壘，利用信任值更新變化捕獲可疑節(jié)點并結(jié)合節(jié)點信任下滑特點設置較短時間窗進行

4、二次檢測以剔除受到干擾的正常節(jié)點。
　　(2)針對智能醫(yī)療場景下網(wǎng)絡拓撲穩(wěn)定性差、額外能耗多的問題，提出了基于蜂窩網(wǎng)格靜態(tài)簇頭部署的安全低功耗數(shù)據(jù)采集協(xié)議(Honey Comb Static Cluster Head based Secure and Low Energy-efficient Data Aggregation Protocol,HCSC-SLEDA)，該協(xié)議的執(zhí)行環(huán)境為蜂窩網(wǎng)格劃分高效能簇頭節(jié)點部署下的異構(gòu)網(wǎng)絡。為

5、抵御內(nèi)部攻擊，設計了一種引入非融合Beta信任(Non-Fusion Beta，NF-Beta)和信任傳遞模型的安全層次信任機制，可實現(xiàn)簇頭間的相互監(jiān)測以及簇頭到移動節(jié)點的單向監(jiān)測。通過結(jié)合異構(gòu)網(wǎng)絡模型和層次信任機制，HCSC-SLEDA協(xié)議在穩(wěn)定階段設置靜動雙時隙對簇頭和移動節(jié)點進行信任更新，并完成移動節(jié)點數(shù)據(jù)采集和融合能量、距離、安全多因素的骨干網(wǎng)絡路由構(gòu)建。
　　(3)針對室內(nèi)智能場景下易出現(xiàn)的遠程操控(Remote to

6、login，R2L)、越權(User to root，U2R)類滲透性攻擊，結(jié)合U2R、R2L攻擊類和正常類交疊程度的特點，設計了一種融合支持向量機(Support Vector Machine，SVM)和概率神經(jīng)網(wǎng)絡模型(Probabilistic Neural Network，PNN)的層次式混合入侵檢測系統(tǒng)(Hybrid Intrusion Detection System，HIDS)，在第一層利用SVM模型對U2R類進行識別，該

7、層通過調(diào)整訓練集抽樣比例消除原始數(shù)據(jù)集各類別的非平衡性，并以粗細結(jié)合的網(wǎng)格搜索方法優(yōu)化模型參數(shù);第二層利用PNN模型進一步抽象直接特征以更準確的識別R2L類攻擊，通過聚類和調(diào)節(jié)抽樣比例得到R2L類的有效訓練集，并利用微粒子群方法(Particle Swarm Optimization，PSO)尋找最優(yōu)雙平滑因子以進一步優(yōu)化神經(jīng)網(wǎng)絡模型?；旌先肭謾z測系統(tǒng)的優(yōu)化目標是在保證較高正常類識別率的基礎上，最大程度提高對于R2L和U2R攻擊類的檢測