无线传感器网络中基于ELM的混合入侵检测方案

摘要：

在研究机器学习算法的基础上，提出一种基于极限学习机( ELM)的混合入侵检测方案。将无线传感器网络分为感知层、数据汇聚层和核心控制层，在每层分别设置与其相适应的入侵检测方案，并在能量充足的核心控制层布置信任管理模块和ELM模块。信任模块可以及时筛去异常节点，相比于支持向量机算法训练速度更快，可提高入侵检测效率。实验结果表明，该方案在保证较高检测率的基础上，降低了能耗，延长网络运行时间，更适合于资源受限的无线传感器网络。

关键词：无线传感器网络、极限学习机、混合、入侵检测、信任管理、分簇

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61300170;安徽省教育厅基金资助重点项目KJ2013A040;安徽自然科学基金资助项目1308085MF88;安徽工程大学基金资助项目2013YQ28,2009YQ041。

在线出版日期：2015-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：136-141