30、利用机器学习识别系外行星候选体与无线传感器网络黑洞攻击预测

利用机器学习识别系外行星候选体与无线传感器网络黑洞攻击预测

无线传感器网络黑洞攻击预测

在无线传感器网络中，IPv6 基物联网网络面临着黑洞攻击的威胁。为了深入了解这类网络在黑洞攻击下的响应情况，研究人员开展了一系列实验。

实验目标是对不同规模的网络进行模拟，设定特定的传输、干扰和接收范围。为了展示网络中矩阵的性能下降情况，在静态和移动场景中均添加了攻击节点。

研究采用 SVM 分类方法来确定黑洞攻击检测的准确性。以下是使用 SVM 评估指标的相关数据：
| Network | SVM 分类 | Nodes | Class | Precision | Recall | F1 - Score | Accuracy (in %) |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| 12 | | | W/o attack | 93 | 93 | 93 | 89 |
| | | | With attack | 75 | 75 | 75 | |
| 22 | | | W/o attack | 75 | 50 | 60 | 78 |
| | | | With attack | 79 | 92 | 55 | |
| Combined | | | W/o attack | 50 | 75 | 60 | 70 |
| | | | With attack | 87 | 68 | 76 | |

当使用八折交叉验证时，模拟中所有通信网络的总数据集的准确性为 84.37%。

此外，还可以提出一种新的机制，用于检测攻击