室內(nèi)場景下基于信任和入侵檢測機(jī)制的安全技術(shù)研究.pdf

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