版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、以智能系統(tǒng)為核心的智能家居、智能醫(yī)療已成為物聯(lián)網(wǎng)領(lǐng)域內(nèi)熱門的研究方向。室內(nèi)智能場景下所感知的數(shù)據(jù)多為環(huán)境、生理、行為等數(shù)據(jù),涉及個人隱私、生命以及財(cái)產(chǎn)安全,比傳統(tǒng)應(yīng)用領(lǐng)域采集的數(shù)據(jù)敏感系數(shù)高,安全隱患大,易遭受內(nèi)部和外部攻擊侵襲。所以如何依據(jù)不同室內(nèi)場景的空間、網(wǎng)絡(luò)特點(diǎn),并結(jié)合物聯(lián)網(wǎng)體系不同層易遭受的攻擊引入適合的安全機(jī)制實(shí)現(xiàn)逐層安全防御是一項(xiàng)巨大的挑戰(zhàn)。
本文從不同的室內(nèi)場景出發(fā),結(jié)合實(shí)際空間格局和被檢測對象屬性,構(gòu)建感知層
2、網(wǎng)絡(luò)模型,并以“主動+被動防御”為指導(dǎo),在路由協(xié)議中引入安全Beta信任機(jī)制抵御內(nèi)部攻擊以執(zhí)行有效的數(shù)據(jù)采集,進(jìn)一步,在網(wǎng)絡(luò)層和應(yīng)用層中融入混合入侵檢測系統(tǒng)應(yīng)對外部的滲透性攻擊。主要工作如下:
(1)針對小型智能家居環(huán)境下空間小、障礙物多、抵御內(nèi)部攻擊能力弱的問題,提出一種基于區(qū)域劃分成簇和信任機(jī)制的安全路由協(xié)議(A Secure Routing Protocol with Regional Partitioned Clust
3、ering and Beta Trust Management in Smart Home,SH-PCNBTM),該協(xié)議結(jié)合家居環(huán)境內(nèi)空間格局分明,數(shù)據(jù)具有區(qū)域相似性的特點(diǎn)實(shí)施區(qū)域分簇。同時在協(xié)議中嵌入一種安全Beta信任機(jī)制用于指導(dǎo)各個區(qū)域簇頭的選取,此機(jī)制不僅在推薦信任中引入評價(jià)信任計(jì)算融合權(quán)重以減少同謀攻擊的影響,而且打破了傳統(tǒng)Beta信任機(jī)制中的“閾值”壁壘,利用信任值更新變化捕獲可疑節(jié)點(diǎn)并結(jié)合節(jié)點(diǎn)信任下滑特點(diǎn)設(shè)置較短時間窗進(jìn)行
4、二次檢測以剔除受到干擾的正常節(jié)點(diǎn)。
(2)針對智能醫(yī)療場景下網(wǎng)絡(luò)拓?fù)浞€(wěn)定性差、額外能耗多的問題,提出了基于蜂窩網(wǎng)格靜態(tài)簇頭部署的安全低功耗數(shù)據(jù)采集協(xié)議(Honey Comb Static Cluster Head based Secure and Low Energy-efficient Data Aggregation Protocol,HCSC-SLEDA),該協(xié)議的執(zhí)行環(huán)境為蜂窩網(wǎng)格劃分高效能簇頭節(jié)點(diǎn)部署下的異構(gòu)網(wǎng)絡(luò)。為
5、抵御內(nèi)部攻擊,設(shè)計(jì)了一種引入非融合Beta信任(Non-Fusion Beta,NF-Beta)和信任傳遞模型的安全層次信任機(jī)制,可實(shí)現(xiàn)簇頭間的相互監(jiān)測以及簇頭到移動節(jié)點(diǎn)的單向監(jiān)測。通過結(jié)合異構(gòu)網(wǎng)絡(luò)模型和層次信任機(jī)制,HCSC-SLEDA協(xié)議在穩(wěn)定階段設(shè)置靜動雙時隙對簇頭和移動節(jié)點(diǎn)進(jìn)行信任更新,并完成移動節(jié)點(diǎn)數(shù)據(jù)采集和融合能量、距離、安全多因素的骨干網(wǎng)絡(luò)路由構(gòu)建。
(3)針對室內(nèi)智能場景下易出現(xiàn)的遠(yuǎn)程操控(Remote to
6、login,R2L)、越權(quán)(User to root,U2R)類滲透性攻擊,結(jié)合U2R、R2L攻擊類和正常類交疊程度的特點(diǎn),設(shè)計(jì)了一種融合支持向量機(jī)(Support Vector Machine,SVM)和概率神經(jīng)網(wǎng)絡(luò)模型(Probabilistic Neural Network,PNN)的層次式混合入侵檢測系統(tǒng)(Hybrid Intrusion Detection System,HIDS),在第一層利用SVM模型對U2R類進(jìn)行識別,該
7、層通過調(diào)整訓(xùn)練集抽樣比例消除原始數(shù)據(jù)集各類別的非平衡性,并以粗細(xì)結(jié)合的網(wǎng)格搜索方法優(yōu)化模型參數(shù);第二層利用PNN模型進(jìn)一步抽象直接特征以更準(zhǔn)確的識別R2L類攻擊,通過聚類和調(diào)節(jié)抽樣比例得到R2L類的有效訓(xùn)練集,并利用微粒子群方法(Particle Swarm Optimization,PSO)尋找最優(yōu)雙平滑因子以進(jìn)一步優(yōu)化神經(jīng)網(wǎng)絡(luò)模型?;旌先肭謾z測系統(tǒng)的優(yōu)化目標(biāo)是在保證較高正常類識別率的基礎(chǔ)上,最大程度提高對于R2L和U2R攻擊類的檢測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 室內(nèi)場景的異常行為檢測與識別技術(shù)研究.pdf
- 基于Kinect室內(nèi)場景重建技術(shù).pdf
- 基于深度信息的室內(nèi)場景重建技術(shù).pdf
- 基于Kinect室內(nèi)場景重建的研究.pdf
- 基于入侵檢測機(jī)制的入侵防護(hù)技術(shù)研究.pdf
- 基于室內(nèi)場景的異常行為檢測及系統(tǒng)實(shí)現(xiàn).pdf
- 室內(nèi)場景的構(gòu)成要素研究.pdf
- 基于直線的室內(nèi)場景框架重建研究.pdf
- 基于CSAE和字典學(xué)習(xí)的室內(nèi)場景分類方法研究.pdf
- 基于KinectFusion的主動式室內(nèi)場景重建與分析.pdf
- 室內(nèi)場景實(shí)時陰影繪制算法的研究和應(yīng)用.pdf
- 多特征融合的室內(nèi)場景分類研究.pdf
- 基于視覺感知的室內(nèi)場景識別與理解.pdf
- 基于云計(jì)算平臺的網(wǎng)絡(luò)安全入侵場景重建技術(shù)研究.pdf
- 室內(nèi)場景重建關(guān)鍵問題研究.pdf
- 室內(nèi)場景照片中的直線與滅點(diǎn)檢測算法研究.pdf
- 多目標(biāo)監(jiān)控場景下的檢測和跟蹤技術(shù)研究.pdf
- 資源受限場景下的容忍入侵關(guān)鍵技術(shù)研究.pdf
- 基于深度和彩色信息的室內(nèi)場景實(shí)時分割算法研究與實(shí)現(xiàn).pdf
- 用多邊形和柵格混合表示室內(nèi)場景的研究.pdf
評論
0/150
提交評論