摘要：在SD-WSN网络环境下,针对传统的入侵检测技术对不同种类的入侵者检测率低、检测速率慢等问题,提出了一种基于改进人工蜂群优化的K-means入侵检测模型。该模型首先筛选出SD-WSN网络所需的流量特征并对原始数据集进行预处理;其次,对传统的人工蜂群算法进行适应度函数的改进,加快模型的收敛速度,避免局部最优;再利用改进的人工蜂群算法对K-means算法的初始聚类中心进行优化选择,并对数据集进行训练形成入侵检测模型。利用该模型实现了对SD-WSN网络的控制器等网络实体的异常检测。实验结果表明,基于改进人工蜂群优化的K-means入侵检测模型较传统模型相比,检测率提高5%以上,误检率降低至4.5%以下,表现出良好的检测效果。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社