[发明专利]一种基于神经网络的无线传感器网络入侵检测算法

权利要求书

1.一种基于神经网络的无线传感器网络入侵检测算法，采用KDDCUP99作为原始数据集，所述算法包含以下步骤： 

(1)对数据进行预处理； 

(2)对BP神经网络进行训练； 

(3)对广义神经网络进行训练； 

(4)对BP神经网络进行改进并进行训练。 

2.如权利要求1所述一种基于神经网络的无线传感器网络入侵检测算法，所述的步骤(1)对数据进行预处理包括以下步骤： 

(1)数据映射 

该数据集每一行就是由TCPdump采集并处理的一条记录，包含了41个特征值和1个攻击类型说明，每一个特征之间用逗号分隔，最后用逗号分隔攻击类型。是一个标准CSV文件。由于数据的类型比较复杂，有离散类型(比如协议类型TCP，UDP…)和连续类型(持续时间，发送包数量等)，要分开处理。首先进行数据映射，将符号型的数据映射到数值型数据。 

(2)选择数据 

在实验中从kddcup.data_10_percent.gz中随机选出5000条数据作为训练数据，从corrected.gz中随机选出3000作为测试数据。 

(3)数据归一化 

归一化就是要把你需要处理的数据经过处理后限制在你需要的一定范围内。 

3.如权利要求1所述一种基于神经网络的无线传感器网络入侵检测算法，所述的步骤(2)包括以下步骤： 

步骤1：网络初始化。根据系统输入序列(X，Y)确定网络输入层节点数n、隐含层节点数l，输出层节点数m，初始化输入层、隐含层和输出层神经元之间的连接权值w_ij，w_jk，初始化隐含层阈值a，输出层阈值b，给定学习速率和神经元激励函数； 

步骤2：隐含层输出计算。根据输入向量X，输出层和隐含层间连接权值w_ij以及隐含层a，计算隐含层输出H； 

H_j=f(Yo_j)   j=1，2，…，l 

公式中，l为隐含层节点数，f为隐含层激励函数； 

步骤3：输出层输出计算。根据隐含层输出H，连接权值w_jk，以及阈值b，计算BP神经网络预测输出O； 

O_k=f(y_k)   k=1，2，…，m 

步骤4：误差计算。根据网络预测输出O和期望输出Y，计算网络预测误差e； 

步骤5：计算误差函数对输出层的各神经元的偏导数； 

步骤6：利用输出层各神经元的δ_k和隐含层各神经元的输出来修正连接权值w_jk； 

步骤7：利用隐含层各神经元的δ_j和输入层各神经元的输入修正连接权； 

步骤8：计算全局误差： 

其中Num为样本个数； 

步骤9：判断网络误差是否满足要求，当误差达到预设精度或学习次数大于设定的最大次数，则算法结束，否则，选取下一个学习样本及对应的期望输出，返回到步骤2，进入下一轮学习。