关键词:
海洋气象传感器网络
入侵检测系统
模型融合
焦点损失函数
摘要:
海洋气象传感器网络(MMSN,maritime meteorological sensor network)有别于传统陆地组网,入侵检测任务在海洋气象传感器网络场景下面临着新的挑战。利用卫星通信技术设计一种海洋气象传感器网络卫星检测方法,分析海洋气象传感器网络的网络结构和特点。从算法和损失函数的角度入手,对提高入侵检测系统(IDS,intrusion detection system)检测性能的方法展开研究,提出了一种基于深度强化学习模型融合的海洋气象传感器网络入侵检测方法。首先,建立改进损失函数的轻量梯度提升机(LightGBM,light gradient boosting machine)、一维卷积神经网络(1D-CNN,1D conventional neural network)和二维卷积神经网络(2D-CNN,2D conventional neural network)分类器,综合提取海洋气象传感器网络入侵检测数据的时序特征和空间特征。其次,根据模型融合技术中的堆叠和平均原理,设计一个基于以上基分类器的模型融合方法,采纳基学习器的优势而规避其劣势,从而提高系统整体检测性能。最后,仿真实验结果表明,所提的入侵检测方法能够有效地提高入侵检测系统对少数类攻击数据的检测性能,并提高系统的稳健性。