基于DBN的移動自組織網(wǎng)絡入侵檢測技術研究.pdf

1、移動自組織網(wǎng)絡在無線通信領域得到了越來越廣泛的應用，但其固有特性使其容易受到各種各樣的入侵，對其安全性研究是非常有價值的。入侵檢測技術作為一種主動式安全防護機制，是保障移動自組織網(wǎng)絡安全的關鍵。深度學習主要探討多層人工神經(jīng)網(wǎng)絡的建模和學習問題，已經(jīng)在語音、圖像識別等領域獲得了巨大成功，為解決移動自組織網(wǎng)絡入侵檢測這樣一個復雜的行為識別問題提供了新的有效途徑。
　　針對移動自組織網(wǎng)絡安全問題的多樣性和復雜性，本文提出了一種基于深度信

2、念網(wǎng)絡（Deep Belief Network, DBN）的入侵檢測方法。DBN是一種比較成熟的深度學習模型，將DBN應用于移動自組織網(wǎng)絡入侵檢測技術中，能夠取得較高的檢測正確率。本文的主要工作和貢獻在于：
　　結合移動自組織網(wǎng)絡的特點和安全威脅，本文首先分析了入侵檢測技術應用于移動自組織網(wǎng)絡面臨的難題、幾種典型的入侵檢測算法和模型。研究了DBN模型的學習原理，受限玻爾茲曼機的訓練算法；分析了將DBN應用于移動自組織網(wǎng)絡入侵檢測技

3、術中原理上的可行性。
　　其次，本文設計了基于DBN的移動自組織網(wǎng)絡入侵檢測模型的體系結構，包括對無線數(shù)據(jù)包捕獲，數(shù)據(jù)預處理，模型訓練和入侵檢測等模塊的詳細設計；給出了DBN模型訓練過程中會遇到的幾個問題的解決方法。
　　最后，對本文提出的基于DBN的移動自組織網(wǎng)絡入侵檢測方法進行了仿真。針對移動自組織網(wǎng)絡路由層的拒絕服務攻擊，本文在NS2中添加了黑洞節(jié)點和自私節(jié)點，模擬兩種網(wǎng)絡入侵。分別對正常網(wǎng)絡和加入攻擊節(jié)點的網(wǎng)絡進行了