-
题名基于机器学习的传感网核心节点漏洞检测仿真
- 1
-
-
作者
徐寅森
李红艳
张子栋
-
机构
商丘学院计算机工程学院
集美大学计算机工程学院
-
出处
《计算机仿真》
2024年第3期410-414,共5页
-
基金
河南省高等学校精品在线开放课程(教高[2019]671)。
-
文摘
传感网的核心节点具有能量受限、难补给的特点,导致节点轮休时易出现的覆盖漏洞问题,造成传感网监测盲区。为此提出基于机器学习的传感网核心节点漏洞检测方法。利用支持向量机树形多分类器获取核心节点的位置。采取主成分分析法提取核心节点特征,将其输入到LSTM长短记忆神经网络模型中,并利用滑动窗口与哈希函数训练漏洞检测分类模型,完成传感网核心节点的漏洞检测。实验结果表明,研究方法检测传感网漏洞时平均耗时为13.6ms,检测率和准确率均可高达95%,计算得到性能消耗低于10%,90%的用户响应时间均在50ms以内。
-
关键词
支持向量机树型多分类器
特征提取
主成分分析
线性哈希函数
欧氏距离
-
Keywords
Support vector machine tree multi-classifier
Feature extraction
Principal component analysis
Linear Hash function
Euclidean distance
-
分类号
TP212.9
[自动化与计算机技术—检测技术与自动化装置]
-
