[发明专利]针对蓝牙无线传输的轻量化网络入侵检测系统和方法

说明书

本发明提出一种针对蓝牙无线传输的轻量化网络入侵检测系统和方法，包含两种工作状态，分别是离线训练和在线检测。离线训练包括数据收集、特征选取、数据训练和生成机器学习模型四个阶段，其中数据训练针对的是有标签的数据，其中标签代表正常数据或异常数据。数据训练阶段分为特征压缩、构建概率模型、计算数组出现概率三个步骤。在线检测则包括了数据收集、特征选取、特征压缩、计算数组出现概率、平滑概率和通过生成的模型实时得出检测结果。本发明提出的入侵检测方法可以提供更高的准确率和更少的误报。

技术领域

本发明涉及蓝牙无线网络入侵检测技术领域，并特别涉及一种针对蓝牙无线传输的轻量化网络入侵检测系统和方法。

背景技术

目前，物联网的发展越来越快，相应的，其安全性也需要不断地提高。目前大部分物联网设备的通信基础是WIFI无线网络和蓝牙无线网络。入侵检测系统可以在提高无线网络的安全性方面发挥关键作用。一旦无线网络受到攻击，将会造成危害程度不一的安全事故，甚至于会造成泄露机密等危机。对于无线网络，设置入侵检测系统可以有效地提高无线网络的安全性能，从而保护到无线网络的用户。

从相关的背景介绍中可以看出，通常情况下，Wi-Fi是局域网(LAN)的首选网络，蓝牙是个人局域网(PAN)的首选网络；Wi-Fi无线网络用于短距离范围(高达数百米)的通信，而蓝牙用于紧密接触(数十米之内)的设备之间的通信。蓝牙是作为使用数据线、电缆进行数据传输的替代品。

对于目前智能汽车等物联网设备上，其部署的蓝牙设备容易受到PIN猜测攻击，在受到这种攻击后，攻击者可以向蓝牙网络发送任意信息，进而攻击网络。除此之外，物联网设备容易受到电池电量的限制，攻击者可以通过发送重复的配对请求或设备信息请求，使蓝牙设备的电池电量快速耗尽。

尽管设计的蓝牙协议定义了安全措施，但在部署期间通常不遵循这些措施。事实上，智能汽车等物联网设备的蓝牙部署易受PIN猜测攻击，从而允许攻击者向汽车网络发送任意消息。另外，物联网设备容易受到电池电量的限制。这些“电池耗尽攻击”将导致传感器的电池耗尽更快，从而导致在蓝牙传感器网络上进行拒绝服务(DoS)攻击。因此，需要一种能够准确地检测对蓝牙设备及其应用的攻击的入侵检测系统(IDS)。

目前来说，大多数的入侵检测系统都需要大量的数据对系统模型进行训练，然后才可以生成模型进行分类和调试，这期间需要一段较长的调试期。对应的，调试所用的时间越长，其得到的检测模型也越准确。一些入侵检测系统则直接使用了人为规定的方式，省去了建立模型、训练模型的过程，这样其检测的准确率也会降低很多。

发明内容

针对目前已有的入侵检测系统的缺陷，为了实现轻量级过程和调试周期短的需求，本发明提出了一种基于机器学习的多层入侵检测系统，并且借鉴了已有的异常行为分析(ABA)方法来进行检测。本发明的先进性体现在：1)首先，本发明提出的入侵检测系统可以提供更高的准确率和更少的误报。2)其次，采用机器学习的一些模型，我们可以做到使用轻量级的数据来快速地生成模型。

具体来说，本发明提出一种针对蓝牙无线传输的轻量化网络入侵检测方法，其中包括：

步骤1、获取已标记类别标签的蓝牙流量信息作为训练数据，其中类别标签代表其对应的蓝牙流量信息是否属于网络入侵数据，根据预设的数据类别，对该训练数据进行特征提取，得到该训练数据的数据特征；

步骤2、对该训练数据的数据特征进行压缩后得到多个特征数组，根据该特征数组在该数据特征中出现的概率，并结合类别标签和训练数据的数据链路格式，训练得到蓝牙网络入侵检测模型；