53、无线传感器网络攻击检测与网络取证研究

无线传感器网络攻击检测与网络取证研究

无线传感器网络中Mirai和GAF - GYT攻击检测

在无线传感器网络（WSN）中，Mirai和GAF - GYT攻击的检测至关重要。这里采用了方法N和F_classif，该方法使用CNN（卷积神经网络）以及f_classif函数从数据集中选择最佳特征。同时，还考虑了另外两种场景，FA方法使用未归一化的CNN和f_classif函数，NC方法则简单地使用未归一化数据集且不使用f_classif函数的CNN。

为了评估这些方法的性能，进行了正、负两方面的测量分析，其中正测量指标包括灵敏度（TPR，真阳性率）、特异性（TNR，真阴性率）、精确率（PPV，阳性预测值）和NPV（阴性预测值）；负测量指标包括FPR（假阳性率）、FDR（假发现率）和FNR（假阴性率）。

GAF - GYT攻击下的性能分析

• 正测量指标分析 ：在7个应用程序中对GAF - GYT攻击检测的正测量指标进行了比较。结果显示，方法N和F_classif在各项正测量指标上均优于FA和NC方法。具体数据如下表所示：
  | 正测量指标 | 方法N和F_classif优于FA的百分比 | 方法N和F_classif优于NC的百分比 |
  | ---- | ---- | ---- |
  | TPR | 0.81% | 33.21% |
  | TNR | 0.0048% | 10.64% |
  | PPV | 0.0097% | 6.375% |
  | NPV | 0.93% | 16.58% |

• 负测量指标分析