基于隐半马尔科夫模型的无线传感器网络入侵检测系统研究

项目在无线传感器网络中提出了基于隐半马尔科夫模型的入侵检测系统（HSMM-IDS）新概念，通过层次化的入侵检测体系实现网络的安全防御。系统分为簇头节点层以及基站层，在簇头节点层，通过入侵检测代理与簇头管理代理，采用HSMM方法，实现对异常数据流的检测，根据节点的行为以及数据流的多维统计特性的或然概率统计特征，对异常进行监控、分类和处理，从而在簇内化解对系统的各种DoS攻击，保证系统的可用性；在基站层，通过基站管理系统，HSMM-IDS能够实时更新系统中各个簇头的异常信息编码库，检测各个簇的异常情况，实现对异常簇头加以隔离，对正常簇实施保护，自主地对系统各个簇统一管理和优化，以保证系统的安全性。HSMM-IDS具有自学习、自管理和自我完善功能，能够不断地提高和完善网络的安全防御能力，其研究成果对无线传感器网络的安全研究具有重要的理论意义和实用价值。

明确了HSMM-IDS的功能，研究了系统以及逻辑结构。研究节点的行为和簇头节点数据流量特点：通过簇头的入侵检测代理，建立描述簇头节点汇聚数据流量的HSMM，用HSMM描述数据流的统计特性和节点行为特征，研究实现对异常数据流进行分类的控制技术，从而找到解决对无线传感器网络系统各种DoS攻击的方法，以及改善系统整个簇内策略有效以及能量有效的方法。该方面的研究，目前项目组也做了初步的工作（在文章“A HSMM Based Intrusion Detection System for Wireless Sensor Networks”中对基于 HSMM的入侵检测模型进行了探讨分析，在文章“Edge Adaptive Image Resolution Enhancement in Video Sensor Network”中对基于视频和图像的数据处理以及流量进行了分析）。另外在对传感器网络流量分析中，我们重点研究了多媒体数据，针对图像的特征，在我们的设计中考虑到轮廓点的相似信息，利用相似信息设计出一种临近正则化的成本函数来评估形状匹配，将匹配转化为多目标优化问题，采用蜂群优化方法实现特征形状匹配，从而达到对目标的快速准确匹配，进而实现对目标的定位与跟踪。. 针对研究内容中的“实现入侵检测系统的实时监测”，在实现过程中为了实现整个入侵检测系统实时监测的目标，系统在簇头节点层通过入侵检测代理实现在簇内对各种异常进行统计和监测，通过簇头管理代理对各种异常采取相应的安全策略，实现在簇内对异常的实时处理；同时系统通过在基站层的基站管理系统对系统中各个簇头的数据及行为进行安全监控，进而为整个网络的安全决策提供依据；通过在簇头节点层以及基站层的双层防御实现系统的实时监测功能。. 在以上实现过程中，发现针对不同业务类型，适用的模型以及采用的策略相差非常大。我们在研究简单标量数据的基础上，重点研究了视频、图像等多媒体业务，并在该基础上建立了相关模型。同时为了减少多媒体业务类型的特征提取以及网络转发的数据量，我们设计新算法与传统算法相比降低了对图像分辨率的要求，减少了特征提取以及网络转发的数据量，节省了配对计算时间，并保证了对运动物体的匹配准确度，在很大程度上弥补现有配对算法普遍存在的约束，可广泛应用于运动目标的定位与跟踪领域。