在WSNs中优化障碍物放置以进行入侵检测和预防
C Kishor Kumar Reddy1, Vijaya Sindhoori Kaza1, P R Anisha1
1Department of Computer Science and Engineering, Stanley College of Engineering and Technology for Women, Abids, Hyderabad, Telangana, India.
PloS one
|February 29, 2024
概括
本研究介绍了一种优化无线传感器网络 (WSN) 安全的方法,使用支持向量回归 (SVR) 和殖民地优化 (ACO) 来改善入侵检测和屏障放置,显著提高网络弹性.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 优化算法 优化算法
背景情况:
- 无线传感器网络 (WSN) 面临着重大入侵检测和预防挑战.
- 现有的安全措施往往缺乏适应性和最佳的资源配置.
研究的目的:
- 开发一种综合方法,将预测建模和优化结合起来,以提高WSN安全性.
- 优化屏障的放置和数量,以便在WSN中有效地防止入侵.
主要方法:
- 支持向量回归 (SVR) 用于预测障碍物的最佳数量.
- 殖民地优化 (ACO) 算法用于精确的障碍物放置和资源分配.
- 应用了规范化技术来提高模型的稳定性.
主要成果:
- 在准确度指标中观察到显著的改善:高达4835.71%的平均平方误差 (MSE) 减少和862.08%的平均绝对误差 (MAE) 改善与ACO-SVR1.1.
- R2 值显著改善,达到 ACO-SVR1 的 86.29% 和 ACO-SVR2 的 54.03%.
- 功能排名确定了障碍数作为入侵检测的关键属性.
结论:
- 综合的SVR和ACO方法有效地提高了WSN的安全性,可靠性和弹性.
- 精确的屏障计数估计和优化放置对于强大的WSN防御至关重要.
- 该研究验证了规范化技术在改善WSN安全模型方面的有效性.
