[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

摘要

本发明提出的一种基于信道状态信息和支持向量机的入侵检测方法，不需要搭建专门的硬件设施，充分利用现有无线网络，使用普通商业路由器就可以达到安防监控的功能，它的覆盖范围广而且不会暴露隐私问题。在获取CSI原始数据后，首先采用基于密度的聚类算法DBSCAN对信道中的子载波数据进行聚类以去噪，然后采用基于权值的滑动平均算法对去噪后的数据进行平滑。数据预处理后，本发明采用主成分分析算法对数据进行特征值提取。预处理和特征提取后的数据能够更加准确地反映信号的主要变化并且维数大大降低，有助于提高入侵检测精度并降低计算复杂度。本发明借助于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。

主权项

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。