【技术实现步骤摘要】
一种基于机器学习的物联网入侵检测方法
本专利技术属于物联网安全领域,涉及一种基于机器学习的物联网入侵检测方法。
技术介绍
随着物联网技术的快速发展,物联网产品逐渐得到普及,然而,目前智能设备的安全防护能力普遍较为薄弱,升级维护机制不健全、智能设备安全配置不合理等问题导致智能设备存在较多的安全隐患。随着时代发展,大量的智能设备不断涌现,但相应的安全保障措施还不够健全。例如传统的安全手段,比如确定自身安全的认证技术,确保安全传输的密钥建立和分发机制,确保数据自身安全的数据加密技术等,都是被动的防范。再加上物联网的传感器网络由大量无人看守的传感器节点组成,传统的入侵检测系统因物联网传感器节点电源能量有限、计算能力不足、存储空间有限等原因,难以满足需求。随着智能化技术得发展,人工智能技术开始应用于各行各业。与此同时入侵检测技术也将得到极大的发展。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种运算速度快、检测率高的基于智能化的面向物联网的入侵检测方法。为达到上述目的,本专利技术提供如下技术方案:一种基于机器学习的物联网入侵检测方法,包括以下步骤:S1:数据预处理:对NSL-KDD网络入侵数据集进行数值化,标准化处理;S2:划分数据集及数据降维:将处理好的数据进行主成分降维,使得原数据集具有相关性的特征值转化为相互独立的或不相关的变量,使得特征值减小,减少计算复杂度。降维后的数据集采用交叉验证法将数据集分为训练集和测试集。S3:构建最小二乘支持向量机(LS-SVM):采用高斯核将原空间映射到高维特征空间中,对于最小二乘支持向量机中的惩罚因子C和核参数σ的选取采用进 ...
【技术保护点】
1.一种基于机器学习的物联网入侵检测方法,其特征在于:包括以下步骤:S1:数据预处理:对NSL‑KDD网络入侵数据集进行数值化处理和标准化处理;S2:划分数据集及数据降维:将预处理后的数据集进行主成分分析降维,使得原数据集具有相关性的特征值转化为相互独立的或不相关的变量;用交叉验证法将降维后的数据集分为互斥的训练子集,生成多组训练集和测试集;S3:构建最小二乘支持向量机LS‑SVM:采用高斯核将原空间映射到高维特征空间中,对于最小二乘支持向量机中的惩罚因子C和核参数σ采用改进型进化策略的方法进行优化选取;S4:对最小二乘支持向量机进行稀疏化处理:采用暴力剪枝法,根据求得到的支持向量参数大小对样本进行剪枝;S5:利用剪枝好的LS‑SVM模型建立入侵检测的分类模型,形成基分类器;S6:构建人工神经网络ANN,提取训练样本高层次的抽象特征,运用进化策略对神经网络的连接权值进行优化选择,构建出基于神经网络的基分类器;S7:训练形成多个基分类器,利用集成学习算法中的AdaBoost算法将多个基分类器组合成一个强分类器,进行入侵行为检测;S8:将建立好的强分类模型加载到物联网的网络节点或路由节点, ...
【技术特征摘要】
1.一种基于机器学习的物联网入侵检测方法,其特征在于:包括以下步骤:S1:数据预处理:对NSL-KDD网络入侵数据集进行数值化处理和标准化处理;S2:划分数据集及数据降维:将预处理后的数据集进行主成分分析降维,使得原数据集具有相关性的特征值转化为相互独立的或不相关的变量;用交叉验证法将降维后的数据集分为互斥的训练子集,生成多组训练集和测试集;S3:构建最小二乘支持向量机LS-SVM:采用高斯核将原空间映射到高维特征空间中,对于最小二乘支持向量机中的惩罚因子C和核参数σ采用改进型进化策略的方法进行优化选取;S4:对最小二乘支持向量机进行稀疏化处理:采用暴力剪枝法,根据求得到的支持向量参数大小对样本进行剪枝;S5:利用剪枝好的LS-SVM模型建立入侵检测的分类模型,形成基分类器;S6:构建人工神经网络ANN,提取训练样本高层次的抽象特征,运用进化策略对神经网络的连接权值进行优化选择,构建出基于神经网络的基分类器;S7:训练形成多个基分类器,利用集成学习算法中的AdaBoost算法将多个基分类器组合成一个强分类器,进行入侵行为检测;S8:将建立好的强分类模型加载到物联网的网络节点或路由节点,收集接受信号的各个特征信息,将其带入模型进行预测,根据预测结果采取相应的措施决定是否安全通信。2.根据权利要求1所述的基于机器学习的物联网入侵检测方法,其特征在于:在步骤S1中,所述的数据数值化处理包括:将原始数据集中的字符型特征数据采用相对应的数值进行替换;所述的数据标准化处理包括:采用Min-max标准化方法进行处理,将原始数据限制在[0,1]之间,公式为:Y=(x-xmin)/(xmax-xmin)x为原始数据,xmin为该特征下的最小值,xmax为该特征下的最大值,Y即为标准化后的数据值。3.根据权利要求2所述的基于机器学习的物联网入侵检测方法,其特征在于:在步骤S2中,将数据集划分为N个大小相似的互斥子集,每个互斥子集均作为数据子集,将数据子集的10%作为测试集,...
【专利技术属性】
技术研发人员:魏琴芳,吕博文,胡向东,胡蓉,李仁杰,白银,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。