基于成本敏感遺傳算法的WSN入侵安全檢測研究

李國慶

摘 要： 為了降低WSN入侵檢測過程中的能量成本消耗，提高入侵檢測的準(zhǔn)確率，提出一種基于成本敏感遺傳算法的WSN入侵檢測方法。闡述了WSN入侵檢測中的成本敏感思想，將每一個無線傳感器入侵檢測的準(zhǔn)確率、入侵檢測消耗時間和相對應(yīng)的成本總值作為基礎(chǔ)，并利用成本敏感遺傳算法構(gòu)建WSN入侵檢測的優(yōu)化模型，在此基礎(chǔ)上進(jìn)行遺傳操作，用于解決WSN入侵檢測過程中對各傳感器檢測的持續(xù)時間、檢測準(zhǔn)確率和檢測消耗的能量成本的優(yōu)化配置問題，從而為WSN入侵檢測中的能量成本控制提供準(zhǔn)確的依據(jù)。仿真實驗結(jié)果表明，利用改進(jìn)算法進(jìn)行WSN入侵檢測，能夠減少入侵檢測時的能量成本，同時提高檢測的準(zhǔn)確率，效果令人滿意。

關(guān)鍵詞： 成本敏感； 遺傳算法； 傳感器； 準(zhǔn)確率； WSN； 入侵

中圖分類號： TN915.08?34； TP301.6 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）05?0033?04

Abstract： In order to reduce the cost of energy consumption and improve the accuracy of WSN intrusion detection， a WSN intrusion detection method based on cost sensitive genetic algorithm is proposed. The cost sensitive thought in WSN intrusion detection is elaborated. According to the accuracy rate and time consumption of WSN intrusion detection， and total cost corresponding to time consumption， the cost sensitive genetic algorithm is used to construct the optimization model of WSN intrusion detection. On this basis， the genetic operation is performed to realize the optimal allocation of detection duration time， detection accuracy and detection energy cost of each sensor in WSN intrusion detection process， so as to provide the accurate basis for energy cost control in WSN intrusion detection process. The simulation experimental results show that the improved algorithm can reduce the energy cost of intrusion detection and improve the detection accuracy for WSN intrusion detection， and has satisfied effect.

Keywords： cost sensitivity； genetic algorithm； sensor； accuracy rate； WSN； invasion

0 引 言

隨著無線傳感技術(shù)的迅猛發(fā)展，無線傳感網(wǎng)絡(luò)（WSN）已經(jīng)成為人們生活中不可缺少的一部分[1]，與此同時，WSN入侵的手段也越來越多，嚴(yán)重威脅著WSN的安全[2]。如何快速檢測出各類WSN入侵[3]， 保障WSN與信息的安全，已經(jīng)成為擺在人們面前的一道難題，同時也成為IT領(lǐng)域的一個研究熱點[4]。

當(dāng)前階段，已經(jīng)有很多國內(nèi)外學(xué)者針對WSN入侵檢測的問題進(jìn)行研究[5]，并取得了良好的效果。當(dāng)前階段，主要的WSN入侵檢測的方法包括基于人工免疫算法的WSN入侵檢測方法[6]、基于神經(jīng)網(wǎng)絡(luò)的WSN入侵檢測方法[7]、基于蟻群算法的WSN入侵檢測方法[8]、基于遺傳算法的WSN入侵檢測方法[9]等，其中最常用的是基于遺傳算法的WSN入侵檢測方法[8]。由于WSN入侵檢測方法在保障WSN運行安全和信息安全方面有著不可替代的作用，因此，研究該課題具有重要意義。

本文針對傳統(tǒng)算法存在能量成本消耗大等問題，提出依據(jù)成本敏感遺傳算法的WSN入侵檢測方法。將每一個無線傳感器入侵檢測的準(zhǔn)確率、入侵檢測消耗的時間和相對應(yīng)的成本總值作為基礎(chǔ)，并利用成本敏感遺傳算法構(gòu)建WSN入侵檢測的優(yōu)化模型。仿真實驗結(jié)果表明改進(jìn)算法在WSN入侵檢測方面具有顯著的優(yōu)勢。

1 成本敏感思想

在WSN入侵檢測中，需要在確定初始入侵檢測消耗能量成本的前提下，對入侵檢測能量消耗成本進(jìn)行優(yōu)化，重新確定最低入侵檢測的能量消耗成本。成本敏感控制方法的核心是動態(tài)控制，其價值在于提高WSN資源管理能力，延長WSN運行壽命。由于在WSN中，無線傳感器的能量是一定的，因此，對WSN入侵檢測的能量成本進(jìn)行控制就成為當(dāng)前WSN業(yè)界關(guān)心的熱門話題。

為了對WSN入侵檢測中能量消耗成本進(jìn)行優(yōu)化控制，利用遺傳算法解決WSN入侵檢測能量成本優(yōu)化配置的問題，從而實現(xiàn)入侵檢測時能量消耗成本的最小化。利用遺傳算法能夠解決非線性問題的全局最優(yōu)問題，具有可并行性、高效性等優(yōu)點。

2 建立成本敏感遺傳算法的入侵檢測模型

自然界中所有的生物都遵循著物競天擇，適者生存的生存法則，遺傳算法就是按照這種生存法則進(jìn)行模擬，通過對不同的生物群體進(jìn)行選擇、雜交等實驗，最終得到最滿意解。設(shè)定選擇算子，最終實現(xiàn)目標(biāo)函數(shù)的優(yōu)化。endprint

在WSN入侵檢測的過程中，編碼是關(guān)鍵的一個環(huán)節(jié)。它主要影響個體染色體的排列方式，同時也決定著基因從搜索空間到解空間的編碼方式。因此，將每一個無線傳感器入侵檢測的準(zhǔn)確率、入侵檢測消耗時間和相對應(yīng)的成本總值作為基礎(chǔ)，并利用成本敏感遺傳算法構(gòu)建WSN入侵檢測的優(yōu)化模型，如下所述：

目標(biāo)函數(shù)：

式中：為入侵檢測的能量成本；為入侵檢測能量成本控制的初始目標(biāo)值；表示能量成本與初始目標(biāo)值之差的絕對值；，對于每一個無線傳感器而言是一個常數(shù)；分別為考慮計劃檢測時間和檢測準(zhǔn)確率后的能量成本在所有入侵檢測能量成本中占的比例；為第一次檢測失敗后重新檢測的能量成本；為檢測第個無線傳感器的準(zhǔn)確率；為WSN系統(tǒng)的入侵檢測準(zhǔn)確率；為目標(biāo)檢測準(zhǔn)確率。

3 入侵檢測的實現(xiàn)過程

3.1 遺傳算法的操作

遺傳算法的操作具體如下：

1） 編碼過程。遺傳算法的編碼過程是極其復(fù)雜的，編碼方法也是多種多樣。入侵檢測時，無線傳感器所消耗的能量以及檢測準(zhǔn)確率所帶的浮點，都被看作是一個單位基團(tuán)，不同的染色體對應(yīng)著不同問題的解。

2） 遺傳算子。在遺傳算法中，遺傳算子有很多種類。變異算子模擬生物體中的基因突變引起的性狀改變。為了提高收斂速度，增加群體的多樣性，在遺傳操作的過程中需要適度保留一些具有顯著差異性的個體，具體公式如下：

式中：為當(dāng)前進(jìn)化的代數(shù)；為預(yù)設(shè)的最大進(jìn)化代數(shù)。

3） 相關(guān)參數(shù)的設(shè)置與進(jìn)化終止條件。設(shè)置染色體的總長度為WSN入侵檢測中無線傳感器的總數(shù)目，群體的規(guī)模為進(jìn)化達(dá)到最大代數(shù)時的參數(shù)為當(dāng)進(jìn)化到最大代數(shù)時就停止進(jìn)化，并且將當(dāng)前的最優(yōu)個體作為最優(yōu)解輸出。

3.2 入侵檢測的流程

基于成本敏感遺傳算法的WSN入侵檢測方法不是簡單的優(yōu)化控制，而是優(yōu)化和控制一起進(jìn)行，實現(xiàn)WSN入侵檢測成本的動態(tài)控制。具體的WSN入侵檢測優(yōu)化控制過程如圖1所示。

4 實驗結(jié)果與分析

4.1 實驗環(huán)境設(shè)置

為了驗證改進(jìn)算法在WSN入侵檢測方面的有效性及可行性，實行一次仿真實驗對比分析。實驗數(shù)據(jù)來源于KDD CPU數(shù)據(jù)集，每條數(shù)據(jù)的長度均包含41個字段，隨機(jī)抽取68條數(shù)據(jù)作為訓(xùn)練集，隨機(jī)抽取12 432條數(shù)據(jù)作為測試集。

已知某WSN的結(jié)構(gòu)如圖2所示。

相關(guān)參數(shù)的設(shè)置為：。

為了驗證改進(jìn)算法的先進(jìn)性，利用傳統(tǒng)的遺傳算法進(jìn)行對比實驗。

4.2 不同算法實驗結(jié)果及分析

利用傳統(tǒng)算法進(jìn)行WSN入侵檢測，獲得的實驗結(jié)果如圖3所示。

利用改進(jìn)算法進(jìn)行WSN入侵檢測，獲得的實驗結(jié)果如圖4所示。

圖3為傳統(tǒng)的遺傳算法在WSN入侵檢測過程中的誤差平方和曲線與適應(yīng)度曲線，圖4為改進(jìn)的遺傳算法在WSN入侵檢測過程中的誤差平方和曲線與適應(yīng)度曲線。從實驗結(jié)果能夠得知，利用傳統(tǒng)算法進(jìn)行WSN入侵檢測，需要經(jīng)過進(jìn)化大約500代，染色體的平均適應(yīng)度值才逐漸趨于穩(wěn)定，收斂時間約為13.98 s，入侵檢測的誤差為0.089。利用改進(jìn)算法進(jìn)行WSN入侵檢測，需要經(jīng)過進(jìn)化大約400代，染色體的平均適應(yīng)度值逐漸趨于穩(wěn)定，收斂時間約為11.41 s，入侵檢測的誤差為0.038。從上述實驗結(jié)果可以看出，改進(jìn)算法的進(jìn)化次數(shù)更少，因此，入侵檢測消耗的能量也更少，從而延長了WSN的使用壽命。入侵檢測的準(zhǔn)確率定義如下：

不同算法的WSN入侵檢測的準(zhǔn)確率如表1所示。

根據(jù)表1中的實驗數(shù)據(jù)能夠得知，利用傳統(tǒng)算法進(jìn)行WSN入侵檢測，對于單一類型的入侵，最高的檢測準(zhǔn)確率只有95.32%，最低的檢測準(zhǔn)確率為92.76%，具有較大的檢測誤差，難以保證WSN的安全運行；利用改進(jìn)算法進(jìn)行WSN入侵檢測，準(zhǔn)確率均高于98%，能夠保證WSN的安全，實現(xiàn)WSN入侵檢測成本的動態(tài)控制，并實現(xiàn)參數(shù)的優(yōu)化。

5 結(jié) 語

針對傳統(tǒng)算法在WSN入侵檢測方面的缺陷，提出基于成本敏感遺傳算法的WSN入侵檢測方法。將每一個無線傳感器入侵檢測的準(zhǔn)確率作為基礎(chǔ)，構(gòu)建WSN入侵檢測的優(yōu)化模型。仿真實驗結(jié)果表明，利用改進(jìn)算法進(jìn)行WSN入侵檢測，能夠減少入侵檢測時的能量成本，同時提高檢測的準(zhǔn)確率，效果令人滿意。

參考文獻(xiàn)

[1] 于仁清，何波賢，關(guān)越巍，等.基于供應(yīng)鏈管理的機(jī)載導(dǎo)航設(shè)備庫存控制研究[J].電子設(shè)計工程，2015，45（17）：141?143.

YU Renqing， HE Boxian， GUAN Yuewei， et al. Stock control research of airborne navigation equipment based on SCM [J]. Electronic design engineering， 2015， 45（17）： 141?143.

[2] 楊建，劉述木，黎遠(yuǎn)松.一種基于改進(jìn)遺傳算法的WSN負(fù)載均衡聚類算法[J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2015，25（10）：41?48.

YANG Jian， LIU Shumu， LI Yuansong. A load balancing clustering algorithm based on improved genetic algorithm in WSN [J]. Journal of Southwest China Normal University （natural science edition）， 2015， 25（10）： 41?48.

[3] 易猛，陳慶奎，章剛.UGA：基于遺傳算法的WSN動態(tài)覆蓋優(yōu)化算法[J].計算機(jī)工程與應(yīng)用，2015，51（20）：77?80.endprint

YI Meng， CHEN Qingkui， ZHANG Gang. UGA： WSN dynamic coverage optimization algorithm based on improved genetic algorithm [J]. Computer engineering and applications， 2015， 51（20）： 77?80.

[4] 張羽.基于SOM?GA?SVM的網(wǎng)絡(luò)入侵檢測研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2014，32（4）：140?141.

ZHANG Yu. Research on network intrusion detection based on SOM?GA?SVM [J]. Network security technology & application， 2014， 32（4）： 140?141.

[5] 許必宵，張欣慧，徐晶晶.基于改進(jìn)遺傳算法PFGA的WSN節(jié)點定位優(yōu)化[J].南京郵電大學(xué)學(xué)報（自然科學(xué)版），2016，36（3）：92?99.

XU Bixiao， ZHANG Xinhui， XU Jingjing. Optimized localization in WSN based on improved genetic algorithm PFGA [J]. Journal of Nanjing University of Posts and Telecommunications （natural science）， 2016， 36（3）： 92?99.

[6] 何常勝，趙小河，陳安.基于遺傳算法和后代校正的WSN覆蓋和連通性優(yōu)化方案[J].湘潭大學(xué)自然科學(xué)學(xué)報，2016，38（2）：89?93.

HE Changsheng， ZHAO Xiaohe， CHEN An. WSN coverage and connectivity optimization scheme based on genetic algorithm and offspring correction [J]. Journal of Xiangtan University （natural science）， 2016， 38（2）： 89?93.

[7] 張晶，薛冷，容會.基于GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的WSN數(shù)據(jù)融合技術(shù)研究[J].山西大學(xué)學(xué)報（自然科學(xué)版），2015，38（2）：185?191.

ZHANG Jing， XUE Leng， RONG Hui. Data fusion based on the GA?BP neural networks in WSNs [J]. Journal of Shanxi University （natural science edition）， 2015， 38（2）： 185?191.

[8] 劉章，譚陽.改進(jìn)遺傳算法的WSN節(jié)點最優(yōu)路由選擇策略[J].計算機(jī)工程與應(yīng)用，2015，51（13）：101?105.

LIU Zhang， TAN Yang. Routing selecting strategy based on improved genetic algorithm for wireless sensor networks [J]. Computer engineering and applications， 2015， 51（13）： 101?105.

[9] 夏俊，凌培亮，虞麗娟.基于量子遺傳算法的無線傳感網(wǎng)絡(luò)路由優(yōu)化[J].同濟(jì)大學(xué)學(xué)報（自然科學(xué)版），2015，43（7）：1097?1103.

XIA Jun， LING Peiliang， YU Lijuan. Routing optimization on wireless sensor networks based on quantum genetic algorithm [J]. Journal of Tongji University （natural science）， 2015， 43（7）： 1097?1103.endprint