无线传感器网络中使用支持向量机进行黑洞攻击预测
1. 引言
物联网(IoT)近年来引发了巨大的技术革命,受到了广泛的研究关注。IoT 需要低功耗、资源受限且具备移动性和全球通信能力的设备。6LoWPAN 是一种通过 IPv6 进行交互的小规模 IoT 网络。由于 IoT 节点资源有限,路由有助于找到在节点间传输数据包的最高效路径。基于 6LoWPAN 协议的低功耗有损网络路由协议(RPL)是 IoT 网络的标准路由协议,其拓扑结构便于在静态和移动环境中构建包含大量 IoT 节点的网络。
然而,RPL 存在安全风险,因为它缺乏防止未经授权访问 IoT 网络中传输数据的安全保护措施。众多应用领域,如智能家居、智能车辆、智能农业、机器人、可穿戴设备、医疗保健和环境监测等,都对安全问题进行了分析。本文的目标是对生成的黑洞攻击新数据集进行攻击预测,研究了网络规模、攻击者位置以及攻击者的邻居数量等因素。在每个拓扑设计中,选择一个节点作为攻击者节点,并将该网络与没有恶意节点的网络进行比较。
机器学习(ML)可用于入侵检测和攻击识别。本研究基于网络矩阵应用 ML 来检测黑洞攻击。此外,由于合适的 IoT 数据集稀缺,构建了一个基于 IoT 属性和攻击参数的数据集进行测试。
2. 文献综述
- SRPL - RPL 协议被提出并应用,它能通过降低攻击影响来克服不足,在各种网络拓扑中具有 95% 的准确性,在网络性能和准确性方面更安全、高效。
- 入侵检测系统(IDS)是研究人员为保护 IoT 网络而建立的安全基础设施之一。
- Ambarkar 等人使用基于 cooja 的框架展示混合攻击,并对随机选择的
超级会员免费看
订阅专栏 解锁全文
41

被折叠的 条评论
为什么被折叠?



