一种基于SVDD的WLAN室内被动入侵检测方法

摘要：

针对现有的被动入侵检测技术在不同监测环境下适应性较差,检测性能较低的问题,提出一种基于支持向量域描述(support vector domain description,SVDD)的无线局域网(wireless local area network,WLAN)室内被动入侵检测方法.该方法利用A-distance值评估多种特征正确区分静默和入侵2种状态的平均贡献度,根据平均贡献度挑选出最优特征组合来刻画监测环境中的不同状态,显著增强了系统的适应性.同时,引入单分类方法SVDD,只需采集静默数据训练被动入侵检测模型,有效地减少训练阶段的时间成本开销.此外,SVDD能在高维特征空间中训练出超球体异常检测边界,通过判断当前样本点是否在超球体之内,可实现准确的异常检测.实验结果表明,基于SVDD的WLAN室内被动入侵检测方法在降低训练开销的同时,能有效地提升系统的检测性能.

关键词：WLAN、被动入侵检测、特征分析、SVDD

所属期刊栏目：32

分类号：TP393.1(计算技术、计算机技术)

资助基金：国家自然科学基金;长江学者和创新团队发展计划;重庆市研究生科研创新项目

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：200-209