一种基于SVDD的WLAN室内被动入侵检测方法_第1页
一种基于SVDD的WLAN室内被动入侵检测方法_第2页
一种基于SVDD的WLAN室内被动入侵检测方法_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于SVDD的WLAN室内被动入侵检测方法随着WLAN（无线局域网络）在室内的广泛应用，安全问题逐渐变得严重起来。在WLAN中，被动入侵检测是一个重要的安全应用领域。被动入侵检测可以识别网络中的异常行为，包括攻击和非法访问等，从而保护网络安全。本文将介绍一种基于支持向量数据描述（SVDD）的WLAN室内被动入侵检测方法。一、WLAN室内被动入侵检测的基本概念WLAN室内被动入侵检测系统通常包括采集设备和分析模块两个部分。采集设备负责采集WLAN中的网络流量数据，而分析模块负责对采集到的数据进行处理和分析，从而识别出WLAN室内的异常行为。被动入侵检测可以分为主动和被动两种类型。传统的被动入侵检测方法通常是基于模式识别、机器学习等技术，但这些方法需要预先定义正常和异常数据的模型，因此无法应对新型攻击。与之相比，基于支持向量数据描述的入侵检测方法不需要先定义正常和异常数据的模型，而是通过学习正常数据的分布，自动地识别出异常数据。因此，SVDD被广泛应用于网络入侵检测领域。二、基于SVDD的WLAN室内被动入侵检测方法的原理支持向量数据描述是一种非参数异常检测方法，基于训练样本的密度分布，从中学习一个描述正常数据规律的超球形区域，然后将新的样本映射到这个超球形区域内进行分类。在WLAN室内被动入侵检测中，支持向量数据描述可以被用来学习正常数据的分布，从而快速识别异常数据。具体过程如下：1.收集WLAN流量数据。2.对数据进行预处理和特征提取。3.利用正常数据训练SVDD模型，得到一个用于描述正常数据的超球。4.将新的数据点映射到超球形区域内进行分类。5.如果数据点在超球形区域内，则为正常数据，否则为异常数据。6.根据异常检测的结果，采取相应的措施进行防护和修复。三、应用实例本方法在实际应用中取得了一定的效果，以下是一个应用实例。1.实验环境本次实验采用IEEE802.11g协议标准的无线局域网络。搭建在一个正常的办公环境中，网络环境总共有10个终端，其中有2个普通员工用于正常工作，8个恶意终端用于模拟攻击。实验采用NAM（NetworkAnalysisModule）进行数据采集和分析。2.实验过程实验数据采集时间为1个小时。采集到的数据主要包括MAC地址、IP地址、端口号、数据包大小等信息。在实验过程中，将数据分为两类：正常流量和异常流量。正常流量是普通员工产生的流量，而异常流量包括攻击流量和未知流量。将正常数据按照9:1的比例进行随机划分，其中90%用于训练SVDD模型，10%用于测试。测试数据集包括正常数据和异常数据。3.实验结果对于实验中的测试集，准确率为91.4%，召回率为87.5%。其中，90%的正常数据被正确地识别为正常数据，而83.3%的异常数据被正确地识别为异常数据。四、总结本文介绍了基于SVDD的WLAN室内被动入侵检测方法。该方法可以自动地学习正常数据的分布，从而快速识别出异常数据。在实际应用中，该方法取得了一定的效果，

人人文库> 全部分类> 毕业设计 > 开题报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论