数据失衡状态下传感网络中单链小类别入侵数据检测方法OA

网络节点分布不均衡导致传感器网络覆盖出现盲区,成为入侵者实施单链入侵等隐蔽攻击的跳板。由于单链入侵数据类别很小,在传感网络混合数据中处于数据失衡状态,而现有数据挖掘方法对小样本类别学习能力差,导致难以检测单链入侵数据。为此,研究数据失衡状态下传感网络中单链小类别入侵数据检测方法。利用单边选择链确定包含单链小类别入侵数据的数据集群,通过BIRCH过采样扩充数据集群,解决数据类别失衡问题。结合CNN与BiLSTM提取数据集群时空维度特征,并通过极端梯度提升与二阶泰勒展开式实现单链小类别入侵数据检测。结果表明,所提方法的G均值、F度量值均达到0.95以上,精确率和召回率最高分别为98.8%和98.5%,可精准检测到单链小类别入侵数据。