基于OS-ELM和SDAE的Wi-Fi入侵检测方法 |
| |
引用本文: | 刘明峰,侯路,郭顺森,韩然,赵宇飞.基于OS-ELM和SDAE的Wi-Fi入侵检测方法[J].北京交通大学学报(自然科学版),2019,43(5). |
| |
作者姓名: | 刘明峰 侯路 郭顺森 韩然 赵宇飞 |
| |
作者单位: | 国网山东省电力公司临沂供电公司,山东青岛,266002;北京航空航天大学计算机学院,北京,100191 |
| |
摘 要: | 为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数据和正常数据进行平衡处理操作,使分类器的分类效果不受样本数据集中多数类样本的影响.然后使用栈式降噪自编码网络(SDAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模,避免维度灾难.最后,在AWID数据集进行处理并输入到OS-ELM分类器中,结果表明:与其他基于浅层学习算法的检测方法相比,所提方法可有效地精简数据特征,降低了检测时间,同时在检测精度和误报率方面也体现出了更优性能.
|
关 键 词: | 在线序列极限学习机 栈式降噪自编码网络 数据降维 入侵检测 Wi-Fi网络 |
本文献已被 CNKI 万方数据 等数据库收录! |
|