相关实验视频
Updated: Sep 10, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.8K
集成的入侵检测设计,使用机器学习来实现高效的MANET系统
K S Nirmala Bai1, Dr M V Subramanyam2
1Department of Electronics and Communication Engineering, JNTUACEK, Kalikiri, Annamayya, AndhraPradesh, India. nirmalabai.ece@jntua.ac.in.
Scientific reports
|August 22, 2025
概括
本研究介绍了使用自适应集树学习 (AETL) 进行入侵检测和混合双优化机器学习模型 (HDOMLM) 进行高效集群的优化移动专用网络 (MANET) 设计,显著提高了网络寿命和节能.
科学领域:
- 计算机科学
- 网络安全
- 机器学习
背景情况:
- 移动特设网络 (MANET) 由于其缺乏基础设施而越来越受欢迎.
- 网络安全,特别是入侵检测,是MANET的一个关键挑战.
- 现有的方法在入侵检测和网络集群方面往往缺乏效率.
研究的目的:
- 提出一个集成机器学习的最佳MANET设计,以提高安全性和效率.
- 使用自适应集树学习 (AETL) 实施有效的入侵检测计划 (IDS).
- 使用机器学习模型 (HDOMLM) 的混合双优化选择一个高效的集群机制.
主要方法:
- 使用AETL进行入侵检测以对正常节点和恶意节点进行分类.
- 通过粒子群优化 (PSO) 实现聚类,然后通过O-MLM根据节点特征进行领导节点选择.
- 建议的模型避免复杂的逻辑组合,依赖于机器学习来做出决策.
主要成果:
- 与现有算法相比,建议使用HDOMLM模型的AETL显示出更高的性能.
- 节约了71%的能源.
- 增加了 50.12% 的网络寿命.
结论:
- 集成的AETL和HDOMLM方法为MANET安全性和性能优化提供了有效的解决方案.
- 拟议的方法提高了关键性能指标,例如网络寿命和剩余能量.
- 机器学习模型对于最佳的MANET设计和运行至关重要.
