基于DBN的移動(dòng)自組織網(wǎng)絡(luò)入侵檢測技術(shù)研究.pdf

1、移動(dòng)自組織網(wǎng)絡(luò)在無線通信領(lǐng)域得到了越來越廣泛的應(yīng)用，但其固有特性使其容易受到各種各樣的入侵，對(duì)其安全性研究是非常有價(jià)值的。入侵檢測技術(shù)作為一種主動(dòng)式安全防護(hù)機(jī)制，是保障移動(dòng)自組織網(wǎng)絡(luò)安全的關(guān)鍵。深度學(xué)習(xí)主要探討多層人工神經(jīng)網(wǎng)絡(luò)的建模和學(xué)習(xí)問題，已經(jīng)在語音、圖像識(shí)別等領(lǐng)域獲得了巨大成功，為解決移動(dòng)自組織網(wǎng)絡(luò)入侵檢測這樣一個(gè)復(fù)雜的行為識(shí)別問題提供了新的有效途徑。
　　針對(duì)移動(dòng)自組織網(wǎng)絡(luò)安全問題的多樣性和復(fù)雜性，本文提出了一種基于深度信

2、念網(wǎng)絡(luò)（Deep Belief Network, DBN）的入侵檢測方法。DBN是一種比較成熟的深度學(xué)習(xí)模型，將DBN應(yīng)用于移動(dòng)自組織網(wǎng)絡(luò)入侵檢測技術(shù)中，能夠取得較高的檢測正確率。本文的主要工作和貢獻(xiàn)在于：
　　結(jié)合移動(dòng)自組織網(wǎng)絡(luò)的特點(diǎn)和安全威脅，本文首先分析了入侵檢測技術(shù)應(yīng)用于移動(dòng)自組織網(wǎng)絡(luò)面臨的難題、幾種典型的入侵檢測算法和模型。研究了DBN模型的學(xué)習(xí)原理，受限玻爾茲曼機(jī)的訓(xùn)練算法；分析了將DBN應(yīng)用于移動(dòng)自組織網(wǎng)絡(luò)入侵檢測技

3、術(shù)中原理上的可行性。
　　其次，本文設(shè)計(jì)了基于DBN的移動(dòng)自組織網(wǎng)絡(luò)入侵檢測模型的體系結(jié)構(gòu)，包括對(duì)無線數(shù)據(jù)包捕獲，數(shù)據(jù)預(yù)處理，模型訓(xùn)練和入侵檢測等模塊的詳細(xì)設(shè)計(jì)；給出了DBN模型訓(xùn)練過程中會(huì)遇到的幾個(gè)問題的解決方法。
　　最后，對(duì)本文提出的基于DBN的移動(dòng)自組織網(wǎng)絡(luò)入侵檢測方法進(jìn)行了仿真。針對(duì)移動(dòng)自組織網(wǎng)絡(luò)路由層的拒絕服務(wù)攻擊，本文在NS2中添加了黑洞節(jié)點(diǎn)和自私節(jié)點(diǎn)，模擬兩種網(wǎng)絡(luò)入侵。分別對(duì)正常網(wǎng)絡(luò)和加入攻擊節(jié)點(diǎn)的網(wǎng)絡(luò)進(jìn)行了