无线传感网中区块链-机器学习融合的安全数据采集框架OA

无线传感器网络(Wireless Sensor Networks,WSNs)因节点资源受限,在数据管理与安全防护方面面临双重挑战。为此,提出基于区块链-机器学习融合的安全数据采集框架(Blockchain-Machiner Learning Fusion Framework for Secure Data Acquisition,BLDA),通过实施入侵检测和安全存储机制提升WSNs的防护能力。BLDA模型采用极限学习机(Extreme Learning Machine,ELM)构建实时检测框架,整合数据均衡化处理与特征选择技术,利用SMOTE与Tomek-Links混合采样方法优化数据分布,并通过哈里斯鹰优化(Harris Hawks Optimization,HHO)算法选择特征。同时,通过区块链模块构建分布式安全体系,实现了节点身份认证、凭证管理、数据哈希存证等核心功能。仿真结果表明,相比于基准方案,BLDA框架提升了检测恶意节点的准确率,并增强了收集数据的安全性。