[00523248]物联网感知层入侵检测方法研究

　　物联网对数据的安全性要求很高，尤其是在信息感知层，一旦网络遭到入侵，那么不仅会破坏物联网的感知数据的安全性，而且会危害到与之相连的信息传输层乃至信息处理层数据的安全性，给整个物联网带来无法预知的损害。该项目针对物联网感知层大规模异质网元共存、节点资源受限、感知环境复杂多变等特点，提出了一套针对物联网感知层的入侵检测方法，具体包括：基于上下文感知的入侵行为自动定义方法，基于迁移学习的多视角网络行为建模方法，基于免疫遗传算法的入侵检测系统。在上述研究的基础上，还搭建了专用的实验测试平台，验证上述方法的正确性和可行性。主要研究成果如下：

　　1.提出了基于上下文感知的入侵检测需求分析方法，将感知信息依赖环境的部分独立出来，实现业务数据逻辑与系统环境相分离，引入上下文感知的环境信息控制函数和反射机制，使异常检测需求能够适应动态环境的变化。在上下文建模过程中，采用了基于隐马尔科夫模型的建模方法，通过已有的感知信息，推理检测数据的变化情况，进而对入侵检测任务进行动态调整，提高入侵检测的可靠性和灵活性。

　　2.提出了可叠加的网络感知数据失效评估理论模型，将物联网感知层划分为多个子网，并利用各个子网的失效数据信息建立了可叠加的感知网络可靠性模型，使用极大似然估计方法对模型的参数进行估计，提高了拟合效果。

　　3.提出了基于迁移学习的网络行为模型，引入了具有学习迁移能力的Boost方法进行网络行为的实时学习，这种方法充分地利用了历史样本，并结合少量的即时样本，采用机器学习的方法来自动地分析、挖掘上下文信息间的依赖或因果关系，达到模型在线更新的目的，满足物联网感知层异常检测的需求。

　　4.提出了基于非齐次泊松过程的物联网感知层可靠性模型，利用非齐次泊松过程描述了可修复感知节点的失效过程，动态评估与预测感知系统的可靠性，为物联网感知层的可靠性评估与设计提供了理论基础。

　　5.提出了基于轻量级免疫遗传算法的入侵检测系统设计方法，借鉴了免疫遗传的方法来进行轻量级的物联网感知层入侵检测方法的设计，建立了具有免疫特性的物联网感知层入侵检测系统。