学海网

基于物联网的被动式入侵检测方法研究，硕士学位论文，说明书共66页，33869字。
摘要：
被动式入侵检测技术相比于传统的红外线、图像以及视频检测技术能够克服视距的要求限制，并且无需要求被检测目标携带任何特殊的硬件设备，目前在军事安防、动物研究、人员监护、节能减排、智能家居等领域获得了广泛的关注。随着无线传感器科学的日新月异，物联网（IoTs）也得到了迅猛的发展。由于物联网具有重要的应用价值和商业前景，日前物联网系统和设备已经进入了生产生活的方方面面。利用现有的物联网网络基础设施，设计通用的被动式入侵检测系统，可以更加合理有效地利用物联网网络资源，减少传统入侵检测系统对特殊硬件的依赖，提高被动式入侵检测系统的适用性和普及性。
本文在现有被动式入侵检测系统的基础上，利用主流物联网系统中的通用网络参数：RSSI（Received Signal Strength Indicator），即接收信号强度来实现入侵行为检测。提出了基于数学形态学的形态学特征提取方法，基于物联网的特殊性质设计了识别与聚类算法，并结合物联网工作环境具有多变性的特点设计了相应的适应以及优化模块。
通过对环境中采集到的RSSI数据进行基于数学形态学的形态学特征提取并生成形态学特征曲线，并使用PAM算法对特征曲线进行聚类以及使用AHC算法实现判别以及后续优化的功能。该入侵检测方式适用于绝大多数物联网系统，为后续的聚类识别提供特征数据。对归一化之后的形态学特征曲线进行聚类分析从而确定环境中有无入侵行为。
文章首先
针对物联网的入侵检测问题设计入侵检测系统。基于数学形态学（MM）和相关机器学习算法，提出了被动式的入侵行为检测方法，以检测通信环境中是否存在未知的无线设备。该方法首先对不同环境下无线信号链路质量（RSSI）的形态学特征进行水平层级分析，并生成水平层级切片曲线，然后使用k-mediod (PAM) 算法对水平层级切片曲线进行聚类分析，随后通过AHC 方法来对通信环境进行实时判断并提示用户环境中是否存在未知的通信节点。经测试，该方法能够有效地判断通信环境中是否存在未知的无线通信节点。
接收信号强度指示（RSSI）数据是本方法中使用的网络参数。 模拟结果表明其入侵检测的有效性。
关键字：物联网；被动式入侵检测；水品层级切片；接收信号强度。

目 录
摘 要 I
Abstract III
目 录 IV
图表清单 VII
第一章 绪论 9
1.1 课题背景与研究意义 9
1.1.1 课题背景 9
1.1.2 课题研究意义 10
1.2 物联网概述 11
1.3 国内外相关技术研究现状 13
1.4 本文的研究内容和结构安排 14
第二章 物联网被动式入侵检测系统的参数选择 16
2.1 基于感知层通信技术的物联网系统种类分析 16
2.1.1 Zigbee通信技术 17
2.1.2 蓝牙通信技术 18
2.1.3 WIFI通信技术 18
2.2 网络参数的分析与选择 19
2.2.1 RSSI的介绍 19
2.2.2 CSI的介绍 20
2.2.3 CSI与RSSI的比较 21
2.3 基于RSSI的被动式入侵检测的理论基础 22
2.3 本章小结 24
第三章 物联网入侵检测系统的主要流程与关键问题 25
3.1 物联网被动式入侵检测系统的主要流程 25
3.1.1 RSSI采集阶段 25
3.1.2 学习阶段 25
3.1.2 判别结果与优化阶段 26
3.2 物联网被动式入侵检测系统的关键问题 26
3.2.1 RSSI的特征提取问题 26
3.2.2 被动入侵检测系统的识别与聚类问题 27
3.2.3 被动入侵检测系统的动态优化问题 28
3.3 本章小结 28
第四章 基于数学形态学的特征提取 29
4.1 数学形态学的相关介绍 29
4.2 HHS算法的相关推导 30
4.2.1 HHS算法定义 30
4.2.2 HHS算法的说明性示例 32
4.4 本章小结 34
第五章 特征聚类、结果判别及动态优化 36
5.1 基于PAM算法建立特征聚类方法 36
5.2 基于AHC算法实现结果判别 37
5.3 检测结果的动态优化 38
5.5 本章小结 39
第六章 实验仿真与结果分析 40
6.1 实验软硬件平台介绍及数据采集 40
6.1.1 基于Zigbee网络的数据采集 40
6.1.2 基于蓝牙设备的数据采集 42
6.1.3 基于WIFI设备的数据采集 44
6.2 实验结果分析 45
6.2.1 基于HHS算法的特征提取结果及分析 45
6.2.2 基于PAM算法的特征聚类结果及分析 46
6.2.3 基于AHC算法的结果判定及分析 48
6.3 结果优化及分析 49
6.4 本章小结 50
总结与展望 51
参考文献 53
攻读硕士学位期间取得的研究成果 57
致 谢 58