| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景和选题意义 | 第11-12页 |
| ·研究现状 | 第12-16页 |
| ·本文拟解决的关键问题 | 第16-17页 |
| ·本文研究内容 | 第17-18页 |
| ·本文主要创新 | 第18页 |
| ·文章结构 | 第18-20页 |
| 第二章 无线传感器网络恶意节点识别研究现状 | 第20-35页 |
| ·无线传感器网络 | 第20-22页 |
| ·无线传感器网络概述 | 第20页 |
| ·无线传感器网络与自组网的区别 | 第20-21页 |
| ·无线传感器网络存在的安全隐患 | 第21-22页 |
| ·无线传感器网络受到的攻击类型以及现有防御机制 | 第22-25页 |
| ·物理层 | 第22页 |
| ·链路层 | 第22-23页 |
| ·网络层 | 第23-24页 |
| ·传输层 | 第24页 |
| ·内部攻击和外部攻击 | 第24-25页 |
| ·机器学习 | 第25-27页 |
| ·机器学习概述 | 第25-26页 |
| ·机器学习的分类 | 第26-27页 |
| ·基于机器学习的无线传感器网络恶意节点识别研究现状 | 第27-31页 |
| ·统计方法 | 第27页 |
| ·非参数方法 | 第27-31页 |
| ·实验手段和实验方法 | 第31-34页 |
| ·NS2概述 | 第31页 |
| ·NS2工具 | 第31-32页 |
| ·模拟方法和过程 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 无线传感器网络的攻击检测模型 | 第35-43页 |
| ·模型设计思想 | 第35-37页 |
| ·节点行为分析 | 第37-38页 |
| ·节点行为分类 | 第37页 |
| ·节点行为的不易识别性 | 第37-38页 |
| ·无线传感器网络的攻击检测模型 | 第38-41页 |
| ·传感器节点属性的建模 | 第38-40页 |
| ·攻击方式的建模 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于多元分类的恶意节点检测 | 第43-55页 |
| ·多元分类 | 第43-44页 |
| ·基于似然的多元分类 | 第43-44页 |
| ·基于判别式的多元分类 | 第44页 |
| ·基于多元分类的恶意节点检测算法 | 第44-46页 |
| ·节点属性与恶意节点类型的关系 | 第44页 |
| ·基于多元分类的恶意节点检测算法 | 第44-46页 |
| ·仿真 | 第46-50页 |
| ·仿真场景配置 | 第46-47页 |
| ·仿真过程 | 第47-50页 |
| ·仿真结果分析 | 第50-54页 |
| ·时间对误检率的影响 | 第50-52页 |
| ·节点密集度对结果的影响 | 第52-53页 |
| ·多种类型恶意节点 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于聚类的恶意节点检测 | 第55-65页 |
| ·恶意节点数量不足产生的问题 | 第55页 |
| ·半监督学习 | 第55-57页 |
| ·半监督学习概述 | 第56页 |
| ·未知类型样本的价值 | 第56-57页 |
| ·利用已标记样本初始化mi的k-均值聚类检测算法 | 第57-58页 |
| ·仿真 | 第58页 |
| ·实验场景配置 | 第58页 |
| ·仿真结果分析 | 第58-63页 |
| ·时间对误检率的影响 | 第58-60页 |
| ·节点密度对结果的影响 | 第60-62页 |
| ·已知类型节点的选取对误检率的影响 | 第62-63页 |
| ·两种检测算法的对比 | 第63-64页 |
| ·误检率对比 | 第63页 |
| ·算法复杂度比较 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录1 攻读硕士学位期间发表的学术论文 | 第71页 |