[发明专利]一种基于信道状态信息和支持向量机的入侵检测方法

权利要求书

1.本发明是一种基于信道状态信息(CSI)和支持向量机(SVM)分类的入侵检测方法，主要包括以下内容：CSI数据采集和预处理、CSI数据特征提取、离线SVM模型训练、入侵检测在线识别阶段。

技术方案如下：

步骤一：基于Wi-Fi的入侵检测识别要求室内覆盖Wi-Fi信号，选择信号干扰较小的5G频段，设备为两台笔记本电脑，均装有Intel link 5300agn无线商业网卡；

步骤二：CSI原始数据采集，在无人阶段和有人入侵阶段采集若干CSI原始数据，包括：发送天线个数，接收天线个数，发送频率，信道状态信息CSI矩阵；

步骤三：CSI数据预处理，其中包括：(1)移除原始数据中CSI矩阵第一维度，将产生的二维矩阵从线性(电平)空间转换到对数(功率)空间，将矩阵中每一个复数转换成量值；(2)每一对发送和接收天线组成的信道中有30条子载波，应用基于密度的聚类算法Density-Based Spatial Clustering of Applications with Noise(DBSCAN)对每一条信道进行聚类，通过删除离群点去噪；(3)使用基于权值的滑动平均算法对去噪后的CSI数据进行平滑；

步骤四：CSI特征值提取，使用主成分分析(PCA)算法对预处理后的CSI数据进行降维和特征值提取，产生CSI指纹样本；

步骤五：SVM入侵模型训练，其中包括：(1)将CSI指纹样本归一化；(2)基于CSI指纹样本，建立SVM入侵和非入侵分类模型；

步骤六：入侵检测，其步骤如下：(1)按照步骤二进行CSI原始数据采集；(2)按照步骤三进行CSI数据预处理；(3)按照步骤四进行CSI数据降维和特征值提取，获得实时信号指纹；(4)根据SVM入侵模型来分类确定实时测量的CSI指纹所代表的入侵状态。

2.根据权利要求1所述的一种基于信道状态信息CSI和支持向量机SVM分类的入侵检测方法，其特点在于(1)数据预处理采用基于密度的聚类算法Density-Based Spatial Clustering of Applications with Noise(DBSCAN)对CSI数据离群点去噪；(2)数据的特征采用主成分分析法提取CSI最主要数据特征并降低计算复杂度，(3)将入侵问题看做二分类问题，借助SVM分类算法，获得入侵状态和信号指纹之间非线性依赖关系的统计模型，从而达到入侵检测的目的。