[发明专利]一种移动网络恶意节点检测方法及系统

说明书

本发明公开了一种移动网络恶意节点检测方法及系统。所述方法包括：获取移动网络中正常状态观测数据；构建正常节点网络行为模型；正常节点网络行为模型是基于隐马尔可夫模型构建的；依据正常状态观测数据计算正常节点网络行为模型的或然概率；构建移动网络中每个节点的属性样本向量；依据或然概率和属性样本向量，采用多元分类算法生成节点分类器；采用节点分类器，确定待检测节点的节点状态；节点状态包括恶意节点状态和正常节点状态。本发明的方法或系统，检测精度高、耗时少，能有效抵御节点内部网络的攻击，提高移动网络恶意节点自动检测能力，保护移动网络的安全。

技术领域

本发明涉及恶意节点识别技术领域，特别是涉及一种移动网络恶意节点检测方法及系统。

背景技术

随着信息技术的进步和社会的不断发展，人们对移动通信的需求不断增长。移动通信技术能够实现无缝的无线操作状态，可以使任何移动设备随时随地连接到任何其他移动设备或网络，以满足家庭需求，是人们长期以来的追求。因此，移动通信技术也一直在快速发展和普及，新技术不断涌现。

移动通信技术一般是集中控制的，通常依靠固定节点(如无线传输塔和无线网络接入点)连接到移动节点，并需要固定的通信基础设施和固定节点连接。对于某些特殊应用(如战场环境或灾后应急环境等)，仅仅依靠固定基础设施的通信网络则不能实现。而移动网络作为一种快速自动网络的新型网络架构，能够满足这些特殊场合的需求，也为实现移动通信的终极目标提供了可能。

移动网络是由移动节点组成的临时自治系统，其具有灵活、便利和高通信效率的优点，被广泛应用于军工、航空航天等行业的建设。但是，由于移动网络采用无线信道和有限的电源，其节点缺乏保护，容易被攻击者攻击成为恶意节点，从而缩短整个无线传感器网络的生命周期。在这种情况下，如何有效地执行移动网络中恶意节点的检测成为该领域的首要任务。

目前，检测移动网络中恶意节点的方法有三种：第一种方法提出了基于阈值秘密共享的移动网络恶意节点自动检测方法，建立了移动网络多径传输和阈值秘密共享机制。该方法简单，但检测误差大。第二种方法提出了一种基于信任距离自动检测移动网络恶意节点的方法。该方法基于信任理论的贝叶斯假设，建立了一种估计节点行为的信任模型，并将推荐的信任距离作为推荐信任度的信任度量引入。该方法能有效完成移动网络中恶意节点的自动检测，但其时间复杂度较低。并且在使用该方法时，无法准确区分正常节点属性与恶意节点属性，也存在恶意节点检测误差较大的问题。第三种方法提出了一种基于安全数据融合的移动网络恶意节点自动检测方法。该方法结合了WTE权重融合思想中的高可信度价值过滤机制，并利用该机制完成了移动网络中恶意节点的自动检测。该方法检测精度高，但检测过程太麻烦且耗时。

因此，现有的移动网络恶意节点检测方法无法在提高检测精度的同时，降低检测时耗。

发明内容

基于此，有必要提供一种检测精度高且耗时少的移动网络恶意节点检测方法及系统，以有效抵御节点内部网络的攻击，提高移动网络恶意节点自动检测能力，保护移动网络的安全。

为实现上述目的，本发明提供了如下方案：

一种移动网络恶意节点检测方法，包括：

获取移动网络中正常状态观测数据；

构建正常节点网络行为模型；所述正常节点网络行为模型是基于隐马尔可夫模型构建的；

依据所述正常状态观测数据计算所述正常节点网络行为模型的或然概率；

构建所述移动网络中每个节点的属性样本向量；

依据所述或然概率和所述属性样本向量，采用多元分类算法生成节点分类器；

采用所述节点分类器，确定待检测节点的节点状态；所述节点状态包括恶意节点状态和正常节点状态。

可选的，所述构建正常节点网络行为模型，具体包括：