基于OS-ELM和SDAE的Wi-Fi入侵检测方法
刘明峰1
侯路1
郭顺森1
韩然1
赵宇飞2
1.国网山东省电力公司临沂供电公司,山东青岛,2660022.北京航空航天大学计算机学院,北京,100191
摘要：为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数据和正常数据进行平衡处理操作,使分类器的分类效果不受样本数据集中多数类样本的影响.然后使用栈式降噪自编码网络(SDAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模,避免维度灾难.最后,在AWID数据集进行处理并输入到OS-ELM分类器中,结果表明:与其他基于浅层学习算法的检测方法相比,所提方法可有效地精简数据特征,降低了检测时间,同时在检测精度和误报率方面也体现出了更优性能.
关键词：在线序列极限学习机栈式降噪自编码网络数据降维入侵检测Wi-Fi网络
分类号：TP393.08(计算技术、计算机技术)
资助基金：国家自然科学基金(U1636211)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 87-93,101 )
英文信息