基于社会网络分析的无线Mesh网络入侵检测系统的设计与仿真

摘要

无线Mesh网络作为现有无线网络的扩展和延伸，因其自组织、自配置等特性，及铺设网络的快速、简单、低成本，在家庭、单位、校园、军用等领域都具有良好的应用前景。无线Mesh网络灵活的拓扑结构使其应用场景更为丰富，但也带来了诸多的安全问题，多跳性、传输媒介外置性等因素让其更容易受到网络攻击。作为一种主动、实时的防御手段，入侵检测系统应当成为无线Mesh网络安全保障的重要组成部分之一。
　　现有的入侵检测系统在系统开销、检测精度和实时性上并不能完全满足无线Mesh网络自身特性的需求。因此，针对这些问题，本文提出了基于社会网络分析的无线Mesh网络的入侵检测系统，研究内容主要包括系统监测节点的选择、数据特征的提取、基于聚类与支持向量机的异常检测机制设计。
　　目前大部分的入侵检测系统对系统监测节点的选择研究地较少，更没有太多关注监测节点的选择对系统检测的实时性、开销和对网络吞吐量的影响。本文提出了一种基于社会网络分析思想选择监测节点的方案，利用图论方法寻找能够“影响”全网节点的最小节点集合作为入侵检测系统的监测节点。该方法综合考虑了节点拓扑位置和节点间的联系紧密程度，将联系频繁的节点分到同一个簇以避免冗余的检测开销，同时保证了检测的实时性和监测信息的有效性。仿真结果表明，基于社会网络分析的监测节点选择方法，能够更好地降低系统检测开销和保证网络吞吐量。
　　为了提高入侵检测系统的实时性和准确性，本文结合聚类分析速度快、支持向量机检测准确度高的特点，提出了一种基于聚类与支持向量机的异常检测机制。本文提出的异常检测机制基于“信息增益率”进行特征提取，保留对判断攻击最起作用的特征;在此基础上，提出了一种以Davies-Bouldin Index(DBI)为准则、基于划分和密度方法的聚类算法(DBI-partition and density，DBI-PD)对数据进行聚类预处理;最后，通过本文所设计的基于“近邻区”的样本约减算法，选择样本分界处聚类区域的样本作为支持向量机新的训练样本集合，减少构造支持向量的时间。仿真结果表明，基于聚类与支持向量机的异常检测机制能够在保证检测精度的同时，有效提高系统的检测时间性能。

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 研究目的及意义

1．3 国内外研究现状

1．3．1 入侵检测系统

1．3．2 异常检测

1．4 课题来源

1．5 研究内容和章节安排

第2章 无线Mesh网络与入侵检测系统

2．1 无线Mesh网络体系结构

2．2 无线Mesh网络特点

2．3 无线Mesh网络安全相关问题

2．3．1 存在安全威胁的原因

2．3．2 无线Mesh网络中的攻击类型

2．4 入侵检测系统

2．4．1 主要功能

2．4．2 系统特点

2．4．3 系统分类

2．4．4 发展方向

2．5 数据挖掘技术在入侵检测系统中的应用

2．6 小结

第3章 基于社会网络分析的监测节点选择算法研究

3．1 入侵检测系统选择监测节点的主要方法

3．2 社会网络分析

3．2．1 社会网络分析的定义

3．2．2 社会网络分析优势

3．2．3 影响力最大化问题

3．2．4 影响力传播模型

3．3 基于社会网络分析方法选择监测节点

3．3．1 N-MIN-Seed问题描述

3．3．2 解决方案

3．4 系统工作流程

3．5 小结

第4章 基于聚类与支持向量机的异常检测机制

4．1 特征提取

4．2 聚类分析

4．2．1 主要步骤

4．2．2 用于入侵检测的聚类算法

4．3 支持向量机

4．3．1 线性可分情况

4．3．2 线性不可分情况

4．3．3 核函数

4．4 基于聚类与支持向量机的异常检测机制

4．4．1 基于信息增益率的特征提取方法

4．4．2 DBI-PD聚类算法

4．4．3 基于近邻区的支持向量机样本约减算法

4．5 仿真与分析

4．5．1 仿真参数设置

4．5．2 特征提取仿真及性能分析

4．5．3 聚类分析算法仿真及性能分析

4．5．4 样本约减算法仿真及性能分析

4．5．5 入侵检测系统仿真及性能分析

4．6 小结

第5章 结束语

5．1 论文工作总结

5．2 未来工作展望

参考文献

致谢

攻读硕士期间发表的论文