一种基于机器学习的manet网络入侵检测性能评估方法研究

移动adhoc网络(manet,mobileadhocnetworks)正得到越来越广泛的应用,相应的网络安全问题也开始得到广泛的关注。研究manet网络可能遭遇的攻击方式,提出基于机器学习技术的入侵检测性能评估模型,并提出一个综合评价指标,比较了7种机器学习算法在manet网络入侵检测中的性能表现,对于构建安全有效的manet网络具有重要的意义。使用glomosim仿真工具对manet网络正常行为及黑洞、洪水、丢包3种入侵行为进行模拟,并详细分析了各种攻击情况下,7种机器学习算法的性能表现。分析结果显示,该评估模型能较好地反映出各种机器学习算法的性能,其中,多层感知器、逻辑回归和支持向量机具有较高的检测率及较低的误报率。