科研学术

　　近日，我校光电科学与工程学院2019级本科生黄心宇在国际期刊IEEE Sensors Journal（IEEE-传感器期刊）上发表论文《Identify selective forwarding attacks using danger model: promote the detection accuracy in wireless sensor networks》。该工作通过在无线传感器网络中建立人工免疫系统来抵御各种网络攻击，尤其针对最难以检测的选择性转发攻击。黄心宇同学为论文第一作者，光电科学与工程学院吴援明教授为论文通讯作者，电子科技大学光电科学与工程学院为论文第一单位。

　　近年来，随着物联网领域的不断研究和发展，无线传感器网络作为物联网的基础网络也逐渐成为科研人员的研究热点。但无线传感器网络具有开放性、无人照看性等特征，使得它极易遭受外界网络攻击，尤其是攻击方式较为先进的选择性转发攻击。选择性转发攻击往往会引起恶意节点的能量和转发率等节点特征的明显异常。针对这点，黄心宇同学在吴援明老师的指导下，从人体免疫系统的危险信号理论中汲取灵感，在无线传感器网络里建立人工免疫系统来实现对恶意节点的检测。

图1.人工免疫系统与人体免疫系统的孪生对应关系

　　在论文中，研究方案分为监测-判定两个工作阶段。在监测阶段，通过对节点的能量、转发率、连接时间、转发频率和转发时间五个特征建模，建立危险信号模型。得到各节点的五类危险信号浓度以后，通过支持向量机（SVM）分类，将那些选择性转发行为同其他拒绝服务攻击行为区分开来，这些具有选择性转发行为的节点被系统标记为怀疑节点，并计算这些节点的网络聚合输出。在判定阶段，将这些怀疑节点的网络输出和事先人为设定的危险阈值比较，如果输出超出阈值，则该节点由怀疑节点升级为恶意节点。同时系统对其进行孤立和关闭处理，并保存该恶意节点的字符串信息在数据库内用于后续匹配，类似于免疫系统中的抗体生成过程。至此，基于危险理论模型的人工免疫系统构建完成。

图2.系统工作时序图

　　在人工免疫系统构建完成后，黄心宇同学利用MATLAB对入侵检测过程进行仿真实验。通过仿真得到，当恶意节点比例为10%时，系统得到最佳的漏检率1.3%和最佳的误检率4.3%，整体的检测精度高于95%，证明系统设计的合理性和有效性。

　　本论文研究工作由学院2019级本科生黄心宇通过2021年校级大学生创新创业项目在光电科学与工程学院吴援明教授指导下独立完成。

图3. 系统平均漏检率（MDR）和误检率（FDR）

　　IEEE Sensors Journal现为中科院二区SCI期刊，Cite Score 6.00，排名分区Q1区。自2001年创刊以来，征稿内容涵盖信号处理与分析、通信、网络与广播技术、元件、电路、器件与系统以及机器人与控制系统等和传感器技术密切相关的领域。

　　论文链接：https://ieeexplore.ieee.org/document/9755128