无线传感器网络的攻击与解决方案
本文阐述无线传感器网及物联网的安全性问题,提供了预防、检测和减轻攻击的技术,攻击被分为 “被动攻击” 和 “主动攻击” 两种,了解这些攻击及其相关的防御机制有助于为物联网技术的传播和公共接受铺平安全的道路。
Oct, 2019
这篇综述论文概述了机器学习技术在无线传感器网络 (WSNs) 领域数据异常检测的应用现状,包括 WSNs 的特点和异常检测挑战,以及各种监督、非监督、半监督机器学习技术的应用和比较,最后讨论了应用机器学习技术在 WSNs 感知数据异常检测中的未来方向和开放性研究挑战。
Mar, 2023
本文针对无线通信的开放性所带来全部安全漏洞和威胁,通过提出有效的防御机制来提高 了无线网络的安全性;全面总结了无线网络的安全需求,包括认证、机密性、完整性和可用性问题,并对各种潜在的安全威 胁在网络协议体系结构层次上进行了详细的讨论。同时,本文还提供了各种现存的蓝牙、Wi-Fi、WiMAX 以及长 期演进(LTE)系统这些无线网络标准所使用的安全协议和算法的综述;此外,本文还探讨了物理层安全中对物理 信息进行加密来保证开放通信环境不受窃听攻击的新技术,以及来自不同类型的干扰攻击及其相应的对抗措施。最后, 文章总结了一些在撰写本文时仍未解决的技术难题,并讨论了未来无线安全的发展趋势。
May, 2015
本文通过对于 2002-2013 年期间机器学习方法在无线传感器网络中应用的文献综述,评估和比较了各种算法的优缺点并提供了指导性建议,以帮助 WSN 设计人员为特定的应用挑选最合适的机器学习解决方案。
May, 2014
本研究分析并归类了旨在为无线传感器网络设计的基于预测的数据降低机制,并提出了一种基于网络约束、预测方法特性和监测数据的系统性选择方案。最后,我们讨论了未来挑战和开放研究方向。
Jul, 2016
本篇教程以 Wi-Fi 感知技术为例,介绍了数据采集、信号处理、特征提取和模型设计的理论原则和代码实现,强调了深度学习模型(如 CNN、RNN 和对抗性学习模型)在无线感知系统中的应用。
Jun, 2022
无线传感器网络中使用决策树和 XGBoost 两种机器学习模型能够更准确地识别拒绝服务攻击并减少影响,XGBoost 模型具有更高的真正阳性率(98.3%)和更低的假阳性率(1.7%)。
Sep, 2023
本文探讨了利用传感器进行攻击的威胁如何针对 IoT 设备的传感器进行保护,以及 IoT 设备在传感器威胁和安全与隐私问题方面存在的问题和未来的研究方向。
Feb, 2018
本文提供关于物联网中数据采集和无线通信的经济分析和定价模型的现状文献综述,其主要关注于无线传感器网络的自适应算法和协议的发展以及在定价策略等领域的应用。
Aug, 2016
本文针对物联网(IoT)的威胁进行了分析,使用人工神经网络(ANN)来对抗攻击,着重于对 IoT 网络上正常和威胁模式的分类,并使用模拟的 IoT 网络来验证其有效性。实验结果表明,该 ANN 程序能够成功检测到各种 DDoS/DoS 攻击,准确率达 99.4%。
Apr, 2017