一种基于SVDD的WLAN室内被动入侵检测方法

作者：高罗莹; 田增山^*; 李玲霞; 张小娅

来源：重庆邮电大学学报(自然科学版), 2020, 32(02): 200-209.

• WLAN
• 被动入侵检测
• 特征分析
• SVDD

针对现有的被动入侵检测技术在不同监测环境下适应性较差,检测性能较低的问题,提出一种基于支持向量域描述(support vector domain description,SVDD)的无线局域网(wireless local area network,WLAN)室内被动入侵检测方法。该方法利用A-distance值评估多种特征正确区分静默和入侵2种状态的平均贡献度,根据平均贡献度挑选出最优特征组合来刻画监测环境中的不同状态,显著增强了系统的适应性。同时,引入单分类方法SVDD,只需采集静默数据训练被动入侵检测模型,有效地减少训练阶段的时间成本开销。此外,SVDD能在高维特征空间中训练出超球体异常检测边界,通过判断当前样本点是否在超球体之内,可实现准确的异常检测。实验结果表明,基于SVDD的WLAN室内被动入侵检测方法在降低训练开销的同时,能有效地提升系统的检测性能。

• 单位
  重庆邮电大学; 通信与信息工程学院