李紅映張?zhí)鞓s

(浙江農(nóng)林大學(xué)信息與教育技術(shù)中心，浙江 杭州 311300)

現(xiàn)階段，在網(wǎng)絡(luò)技術(shù)深入發(fā)展的背景下，移動無線傳感網(wǎng)絡(luò)愈加規(guī)范化，無線傳感器通信技術(shù)也已成為學(xué)術(shù)界研究的熱點(diǎn)內(nèi)容之一[1]。 移動無線傳感網(wǎng)絡(luò)通信技術(shù)能夠?qū)崿F(xiàn)信息感知、數(shù)據(jù)收集并向基礎(chǔ)設(shè)施節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)[2]，其在為社會生產(chǎn)和人民生活帶來便利的同時，網(wǎng)絡(luò)入侵問題成為影響用戶安全的重大因素之一。 網(wǎng)絡(luò)入侵檢測是相關(guān)管理人員檢測網(wǎng)絡(luò)內(nèi)存在的安全漏洞的有效手段。 因此，針對移動無線傳感網(wǎng)絡(luò)在通信時出現(xiàn)的網(wǎng)絡(luò)入侵問題，需盡早提出高效準(zhǔn)確的網(wǎng)絡(luò)通信異常行為識別方法，有效識別剔除網(wǎng)絡(luò)通信時可能存在的安全問題，從而保證通信安全。

在上述背景下，文獻(xiàn)[3]基于逆向習(xí)得推理過程對網(wǎng)絡(luò)異常行為檢測實(shí)施檢測。 該方法首先提出了數(shù)據(jù)集中的特征項(xiàng)，再通過歸一化處理提高收斂速度與精度，然后利用改進(jìn)ALI 模型處理檢測數(shù)據(jù)集，再根據(jù)異常檢測函數(shù)判斷數(shù)據(jù)是否異常，從而判別網(wǎng)絡(luò)異常行為。 但由于改進(jìn)ALI 模型需對正樣本數(shù)據(jù)實(shí)施訓(xùn)練，增加了整體的檢測時間。 文獻(xiàn)[4]針對通信網(wǎng)絡(luò)設(shè)計了一種感知層異常行為集成識別方法。 該方法在綜合分析短時過零率與短時能量的基礎(chǔ)上，采集通信網(wǎng)絡(luò)感知層中異常入侵行為的特征，然后將采集到的特征與異常入侵行為集成過程相擬合，從而完成對異常入侵行為的集成識別。 但由于該方法未對通信行為進(jìn)行空間和時間角度的分析，導(dǎo)致該方法在識別時間長的弊端。 文獻(xiàn)[5]等人主要研究了“入侵”這一異常行為，提出了基于改進(jìn)MajorClust 聚類的網(wǎng)絡(luò)入侵行為檢測方法。 該方法首先對網(wǎng)絡(luò)中入侵行為數(shù)據(jù)的內(nèi)在關(guān)系進(jìn)行檢測，再基于MajorClust聚類算法提取網(wǎng)絡(luò)中節(jié)點(diǎn)的距離分布特征，最后根據(jù)最小二乘原理擬合網(wǎng)絡(luò)空間分布曲線，對曲線上的抽象節(jié)點(diǎn)進(jìn)行聚類迭代，從而實(shí)現(xiàn)網(wǎng)絡(luò)異常通信行為的識別。 然而該方法未能對網(wǎng)絡(luò)地址的平均相異度展開分析，導(dǎo)致識別后的網(wǎng)絡(luò)節(jié)點(diǎn)質(zhì)量低。 文獻(xiàn)[6]等人同樣以“入侵”這一異常通信行為為研究對象，提出了基于自編碼器和極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)入侵檢測方法。 該方法融合了稀疏自編碼器與編碼層重構(gòu)誤差，從而采集網(wǎng)絡(luò)中高維數(shù)據(jù)的特征信息，然后利用極限學(xué)習(xí)機(jī)精準(zhǔn)劃分高維數(shù)據(jù)特征，從而識別出網(wǎng)絡(luò)中的入侵?jǐn)?shù)據(jù)。 該方法由于未能對網(wǎng)絡(luò)通信行為進(jìn)行量化分析，所以該方法在識別網(wǎng)絡(luò)通信異常行為時的識別效果差。 而在文獻(xiàn)[7]中，外國學(xué)者以異常通信報文為對象，設(shè)計了一種異常通信報文自動檢測識別方法。 該方法在數(shù)據(jù)行為采集過程中應(yīng)用了WinPcap技術(shù)，并將解碼后的數(shù)據(jù)輸入到SVM 檢測識別單元中，從而劃分為異常數(shù)據(jù)包和正常數(shù)據(jù)包，并根據(jù)劃分結(jié)果完成異常檢測識別。 然而，由于該方法未分析數(shù)據(jù)包通信過程的信息相異度，導(dǎo)致其存在、識別效果差的問題。

為解決上述網(wǎng)絡(luò)通信異常行為識別方法存在的不足，本研究提出了一種新的移動無線傳感網(wǎng)絡(luò)通信異常行為識別方法研究。

1 控制網(wǎng)絡(luò)數(shù)據(jù)采集量

目前，在通信傳輸領(lǐng)域，一般采用GNSS 授時的方式。 其驗(yàn)證系統(tǒng)具有高精度載波相位授時功能[8]。 因此，本研究針對這一情況，利用重疊時間分配機(jī)制對移動無線傳感網(wǎng)絡(luò)中的數(shù)據(jù)采集量展開控制。 由于移動無線傳感網(wǎng)絡(luò)通常安裝在載體上，因此不需要對網(wǎng)絡(luò)的能耗限制多加考慮，該網(wǎng)絡(luò)同時具備較高的計算能力以及存儲能力。

1.1 重疊時間分組

首先設(shè)定無線傳感網(wǎng)絡(luò)中傳感器的數(shù)據(jù)采集頻率為ds，移動點(diǎn)為M，與移動點(diǎn)直接產(chǎn)生通信關(guān)聯(lián)的Sink 點(diǎn)數(shù)目為ns，Sink 點(diǎn)與移動點(diǎn)M之間的通信速率為dt，第i個進(jìn)入移動點(diǎn)通信范圍的Sink 點(diǎn)為si，通信范圍內(nèi)的全部Sink 點(diǎn)數(shù)目為nsi。 節(jié)點(diǎn)si進(jìn)入通信移動點(diǎn)范圍的最早時刻與最晚時刻分別為與。

在通信過程中，信息發(fā)送節(jié)點(diǎn)選擇其下一節(jié)點(diǎn)時，會同時考慮位置和鏈路相關(guān)性兩項(xiàng)特征，以此來減少通信傳輸次數(shù)[9]，從而縮短通信時間。 當(dāng)＜時，表示移動點(diǎn)M同時接收了si與si+1的通信請求，至此，時間發(fā)生重疊。 由于移動無線傳感網(wǎng)絡(luò)中的節(jié)點(diǎn)較多、分布較廣，所以可能會出現(xiàn)2 個或2 個以上節(jié)點(diǎn)重疊現(xiàn)象。 因此，依據(jù)重疊時間分組算法將Sink 點(diǎn)si與其周邊的Sink 點(diǎn)之間重疊的點(diǎn)進(jìn)行整合分組，從而對指定節(jié)點(diǎn)進(jìn)行信息采集。

設(shè)定重疊點(diǎn)sub-Sink 有G個分組，且1≤G≤si。分組后，組與組之間不會發(fā)生重合現(xiàn)象。 假定G中的第j個重疊分組為gj，其中的sub-Sink 數(shù)量為s(gj)，那么s(gj)＝ns。 這時s(gj)＝1，那么就表示gj只有一個sub-Sink 點(diǎn)，重疊時間問題不會發(fā)生。 若s(gj)＞1，則sub-Sink 的通信時間出現(xiàn)重疊現(xiàn)象，需要利用重疊時間分配算法對其進(jìn)行優(yōu)化分配，從而削弱節(jié)點(diǎn)間信息量的不均衡程度。

1.2 重疊時間分配

基于上述問題，利用數(shù)據(jù)量的最小方差對重疊時間進(jìn)行優(yōu)化分配，從而均衡移動無線傳感網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量之間的差異。

本研究在考慮影響接入時間分配策略因素(網(wǎng)絡(luò)可用信道、通信節(jié)點(diǎn)緩存狀態(tài)、通信網(wǎng)絡(luò)可達(dá)性等)[10]的基礎(chǔ)上，首先將gj組別中的第一個節(jié)點(diǎn)v1與最后一個節(jié)點(diǎn)vn分別設(shè)定為通信鏈路的起點(diǎn)和終點(diǎn)，然后通過移動點(diǎn)M與gj中的sub-Sink 點(diǎn)判定通信時間:

式中:獲取的通信總時間為Tgi，通信開始時間為通信結(jié)束時間為。 然后設(shè)定在單一運(yùn)行周期內(nèi)的M在gj中采集的數(shù)據(jù)總數(shù)量的上限值為qgi，且qgi＝2Tgi×dt；sub-Sink 點(diǎn)在vi時的成員數(shù)量為hi，gj內(nèi)單個節(jié)點(diǎn)對M傳送的單輪數(shù)據(jù)量的平均值如下式所示:

式中:獲取的單輪數(shù)據(jù)量平均值為pgi，分組gj中的sub-Sink 點(diǎn)數(shù)量為n，且n＝s(gj)，sub-Sink 點(diǎn)在vi時的成員數(shù)量為hi，Sink 點(diǎn)與移動點(diǎn)M之間的通信速率為dt。 由此可以獲取的數(shù)據(jù)總數(shù)量qvi如下式所示:

式中:重疊時間為si，vi在si中的占比xi，在Sink 點(diǎn)的通信范圍內(nèi)時間為ti，vi與vi-1在通信范圍內(nèi)的重疊時間為ki，總通信用時為tn。

在sub-Sink 向移動點(diǎn)發(fā)送數(shù)據(jù)時，基于近鄰輪轉(zhuǎn)層次分簇方法[11]，每個群組成員的數(shù)據(jù)信息被均勻地傳輸?shù)揭苿狱c(diǎn)。 此時，移動點(diǎn)接收來自vi中各個節(jié)點(diǎn)的單輪數(shù)據(jù)量為pvi＝qvi/hi。 對單輪數(shù)據(jù)量展開分析，獲取節(jié)點(diǎn)目標(biāo)函數(shù)以及約束條件如下式所示:

式中:每輪任務(wù)vi中各個節(jié)點(diǎn)向移動點(diǎn)發(fā)送的數(shù)據(jù)信息量為pvi，總共的數(shù)據(jù)量為pgi，目標(biāo)方差用Var(pvi)進(jìn)行表示；目標(biāo)函數(shù)為通信時間的組合函數(shù)，本質(zhì)上是尋找最佳的網(wǎng)絡(luò)通信時間。 最后基于上述目標(biāo)函數(shù)，尋找最佳的網(wǎng)絡(luò)通信時間，從而實(shí)現(xiàn)重疊時間的分配優(yōu)化，控制網(wǎng)絡(luò)數(shù)據(jù)的采集量。

2 異常行為識別

基于上述對移動無線傳感網(wǎng)絡(luò)數(shù)據(jù)采集量的控制，本研究利用相異度分析法對移動無線傳感網(wǎng)絡(luò)中的通信異常行為展開識別。

2.1 網(wǎng)絡(luò)通信行為空間分析

2.1.1 地址相異度分析

由于移動無線傳感網(wǎng)絡(luò)是由大量移動傳感器組成的無線網(wǎng)絡(luò)，其中的每個傳感器都能改變自身位置并將數(shù)據(jù)轉(zhuǎn)發(fā)到基站或鄰近節(jié)點(diǎn)[12]，因此網(wǎng)絡(luò)本身就具備一整套完整的流量統(tǒng)計協(xié)議。 路由設(shè)備通常會通過源IP、源端口以及目的IP，最后經(jīng)由目的端口進(jìn)入路由器的輸入界面，從而利用控制信息區(qū)分網(wǎng)絡(luò)中的網(wǎng)管數(shù)據(jù)流。 路由器在接收數(shù)據(jù)包后，根據(jù)數(shù)據(jù)分析結(jié)果判斷是否保存數(shù)據(jù)，并將保存后的數(shù)據(jù)信息全部整合進(jìn)相對應(yīng)的網(wǎng)絡(luò)數(shù)據(jù)流中。

基于上述過程，通過相異性分析方法對通信地址進(jìn)行解析。 由于IPv6 解決了IPv4 協(xié)議地址匱乏的問題[13]，因此，本研究首先將地址劃分為IPv6 結(jié)構(gòu)。 然后根據(jù)地址自身屬性值比較兩個位置地址的實(shí)際差異。 根據(jù)IP 地址的格式特征可知，地址中的隔點(diǎn)代表不同的類別差異。 這時如果地址有較大的數(shù)值差，則說明該網(wǎng)址中的差異特征明顯。 因此，對于差異跨度較大的地址，應(yīng)進(jìn)行差異程度的抽象表達(dá)，進(jìn)而量化分析表述結(jié)果。

通常情況下，在一個IP 地址相差較大的情況下，可以將固定時間內(nèi)連接的通信地址數(shù)量作為該地址的活動特征。 因此，在分析通信地址相異值的大小時，需要充分考慮地址空間維度離散程度的影響。 如果移動無線傳感器網(wǎng)絡(luò)的IP 地址和目的地址之間的對數(shù)值比較大，則通信過程中產(chǎn)生的單位時間片可以直接反映地址的差異性。

基于上述假定，可通過相應(yīng)的計算方式獲取網(wǎng)絡(luò)特征數(shù)據(jù)。 在分析移動無線傳感網(wǎng)絡(luò)通信地址相異度時，可依據(jù)IPv4 結(jié)構(gòu)將其直接寫作{a，b，c，d}模式的四元組，設(shè)定移動無線傳感網(wǎng)絡(luò)在進(jìn)行通信時每一個地址A均有{a，b，c，d}4 個屬性，且A的屬性集合為mi∈{υa，υb，υc，υd}。 然后根據(jù)相鄰地址的分類屬性特征劃分地址類別。 在給定地址x和y中，利用閔可夫斯基距離計算對兩個地址之間的屬性mi差異程度，地址對象x和y之間的距離可用下式進(jìn)行表示:

式中:移動無線傳感網(wǎng)絡(luò)在通信時兩個通信地址對象x和y之間的距離為dif(x，y)，距離范數(shù)為p，且為正整數(shù)。 當(dāng)p為1 時， 地址之間的距離為Manhattan Distance；當(dāng)p為2，地址之間的距離為Euclidean Distance。

由此可知，兩個地址之間不僅數(shù)值屬性mi不同，差異程度也不相同。m1的差異影響顯然要大于其他三種數(shù)值屬性。 由此可知，每一個對應(yīng)的mi影響值，都需對其進(jìn)行賦權(quán)處理，過程如下式所示:

式中:被賦予的數(shù)值權(quán)重為ω。 在賦予權(quán)重時，要根據(jù)IP 地址格式結(jié)構(gòu)和分配定義，對每一個變量進(jìn)行賦予權(quán)重。 將權(quán)重看作(28)4-i，且i∈N，1≤i≤4。在此基礎(chǔ)上，引入?yún)?shù)k對數(shù)值規(guī)模進(jìn)行控制，可將式(6)改寫為下式:

現(xiàn)有的網(wǎng)管數(shù)據(jù)的數(shù)據(jù)集中蘊(yùn)含的信息，可充分涵蓋移動無線傳感網(wǎng)絡(luò)中網(wǎng)絡(luò)節(jié)點(diǎn)以及節(jié)點(diǎn)關(guān)系之間的屬性數(shù)據(jù)。 因此，通過構(gòu)建異常行為分析模型，可以直接發(fā)現(xiàn)網(wǎng)絡(luò)在通信時出現(xiàn)的異常。

2.1.2 地址的平均相異度分析

基于上述分析結(jié)果，對地址的平均相異度進(jìn)行分析。 設(shè)定移動無線傳感網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點(diǎn)為a，在固定的時間片Δt中，與m個目的地址進(jìn)行通信，m個地址的集合為B，通過對式(7)的計算，獲取網(wǎng)絡(luò)中節(jié)點(diǎn)a與集合B之間的m個地址相異度。 若dif(a，bi)，(i≤M)∈N，可以依據(jù)dif(a，bi)重新定義新集合C，使C＝{dif(a，b1)，dif(a，b2)，…，dif(a，bk)}，這時就可以計算節(jié)點(diǎn)a至所有目的地地址的平均相異度，過程如下式所示:

這時，將移動無線傳感網(wǎng)絡(luò)在通信時的網(wǎng)絡(luò)節(jié)點(diǎn)a作為通信原點(diǎn)，那么該原點(diǎn)到其他地址過程中的平均相異度為dif(a，C)avg。

2.2 通信行為的時間分析

根據(jù)以上分析結(jié)果，再次分析固定時間片Δti的地址差異。 考慮到連續(xù)時間對網(wǎng)絡(luò)通信行為的影響，通信的時間維度需要適當(dāng)擴(kuò)大。

一般來說，無線傳感器網(wǎng)絡(luò)利用多個空間分布的測量信號，分析信號內(nèi)部的時間相關(guān)性，因此其在頻域上是稀疏的[14]。 設(shè)定無線傳感網(wǎng)絡(luò)中存在的連續(xù)時間序列為T，且T＝{t1，t2，…，ti，…，tn}，序列中當(dāng)前時間ti與前一時間ti-1之間間隔為Δti。 這時若移動無線傳感網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點(diǎn)a與ni之間存在通信行為，則可對固定間隔內(nèi)地址之間的平均相異度dif(a，C)avg進(jìn)行計算。 從而確定dif(a，C)avg在網(wǎng)絡(luò)序列中的時間間隔及其平均相異度，過程如下式所示:

然后在網(wǎng)絡(luò)中引入偏移方差機(jī)制，計算特征之間的平均相異度。 在固定的時間間隔內(nèi)，計算網(wǎng)絡(luò)通信時節(jié)點(diǎn)與其目的地址的平均差值以及節(jié)點(diǎn)與其時間序列的平均差值的差值，計算結(jié)果即為網(wǎng)絡(luò)的偏移方差σi。 在距離中增加加權(quán)平均算法，獲取網(wǎng)絡(luò)節(jié)點(diǎn)的偏移方差值，過程如下式所示:

式中，獲取的網(wǎng)絡(luò)節(jié)點(diǎn)的偏移方差值為σ。 將獲取的網(wǎng)絡(luò)節(jié)點(diǎn)方差值映射到地址的差異度區(qū)間[dif(a，Ci)avg-dif(a，Ci)T-avg]內(nèi)。 如果得到的平均地址相異度dif(a，C)avg在差異度區(qū)間內(nèi)，則可以認(rèn)為當(dāng)前的通信行為是正常的；如果得到的平均地址相異度dif(a，C)avg在差異度區(qū)間外，則說明節(jié)點(diǎn)a的通信行為存在異常。

基于上述空間與時間的兩個角度對網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行分析，從而實(shí)現(xiàn)對無線傳感網(wǎng)絡(luò)通信異常行為的識別。

3 仿真分析

為了驗(yàn)證移動無線傳感網(wǎng)絡(luò)通信異常行為識別方法的整體有效性，設(shè)計如下仿真檢驗(yàn)過程。

為避免仿真結(jié)果的單一性，在實(shí)驗(yàn)中，從識別時間、網(wǎng)絡(luò)節(jié)點(diǎn)質(zhì)量、識別效果3 個角度，將本文設(shè)計的移動無線傳感網(wǎng)絡(luò)通信異常行為識別方法研究(本文方法)與傳統(tǒng)的感知層異常入侵行為集成識別方法(文獻(xiàn)[4]方法)、異常通信報文自動檢測識別方法(文獻(xiàn)[7]方法)展開對比。

①在移動無線傳感網(wǎng)絡(luò)中，隨機(jī)選取500 個固定的通信行為，利用本文方法、文獻(xiàn)[4]方法以及文獻(xiàn)[7]方法對其中的異常行為進(jìn)行識別，對不同方法識別過程所需時間展開測試，測試結(jié)果如圖1 所示。

圖1 不同方法的識別時間仿真結(jié)果

依據(jù)圖1 可知，在通信行為數(shù)量為100 時，本文方法只需0.30 s 就可以有效識別出其中的異常通信行為，而文獻(xiàn)[4]方法和文獻(xiàn)[7]方法卻需要1 s 以上的時間對其進(jìn)行識別。 當(dāng)通信行為數(shù)量增加到500 個時，本文方法只需不到0.75 s 就可完成對通信異常行為的檢測識別，而文獻(xiàn)[4]方法則需要1.59 s，文獻(xiàn)[7]方法需要1.82 s 才可完成對異常行為的識別。 綜上所述，本文方法在完成通信異常行為識別時所需的時間更短，說明其效率更高。 這是因?yàn)楸疚姆椒ɑ谥丿B時間分配機(jī)制對網(wǎng)絡(luò)中的重疊時間進(jìn)行分組處理，從而有效控制了網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)據(jù)采集量，從根本上節(jié)約了識別過程所需的時間。

②對經(jīng)過本文方法識別并剔除異常節(jié)點(diǎn)后的剩余節(jié)點(diǎn)進(jìn)行排序，對剩余節(jié)點(diǎn)質(zhì)量進(jìn)行測試，測試結(jié)果如表1 所示。

表1 識別后的網(wǎng)絡(luò)節(jié)點(diǎn)質(zhì)量檢測結(jié)果

依據(jù)表1 可知，在將移動無線傳感網(wǎng)絡(luò)中的通信異常節(jié)點(diǎn)剔除后，網(wǎng)絡(luò)節(jié)點(diǎn)質(zhì)量要優(yōu)于剔除前。這主要是因?yàn)楸疚姆椒ɡ昧讼喈惗确治龇▽σ苿訜o線傳感網(wǎng)絡(luò)中的通信行為進(jìn)行空間和時間上的分析，然后通過相異度判斷節(jié)點(diǎn)的異常與否，從而提高了網(wǎng)絡(luò)節(jié)點(diǎn)的質(zhì)量。

③將網(wǎng)絡(luò)中的異常節(jié)點(diǎn)比率設(shè)定為＜15%，選定DOS 攻擊、蠕蟲攻擊以及路由更改攻擊三種攻擊方式，以識別正確率為指標(biāo)，對本文方法、文獻(xiàn)[4]方法以及文獻(xiàn)[7]方法的移動無線傳感網(wǎng)絡(luò)通信異常行為識別效果進(jìn)行測試，測試結(jié)果如圖2 所示。

分析圖2 可知，對比DOS 攻擊以及蠕蟲攻擊下的識別效果來看，三種方法在路由更改攻擊下的識別效果均呈現(xiàn)出不穩(wěn)定狀態(tài)。 整體來看，本文方法的識別效果要優(yōu)于文獻(xiàn)[4]方法以及文獻(xiàn)[7]方法，并且可將檢測的正確率始終穩(wěn)定在90%，而文獻(xiàn)[4]方法的識別效果整體優(yōu)于文獻(xiàn)[7]方法。 綜上所述，本文方法的識別效果要優(yōu)于兩種對比識別方法。 這是因?yàn)楸疚姆椒ㄒ肓讼喈惗确治鰴C(jī)制，從空間、時間兩個角度，更為全面地分析采集到的數(shù)據(jù)，從而能夠更為準(zhǔn)確地識別通信異常行為。

圖2 不同網(wǎng)絡(luò)攻擊下三種方法的識別效果對比

4 結(jié)論與討論

近年來，隨著無線傳感網(wǎng)絡(luò)被廣泛應(yīng)用于社會的各行各業(yè)，網(wǎng)絡(luò)的異常行為入侵次數(shù)每天都呈指數(shù)化增長。 避免網(wǎng)絡(luò)被入侵的有效手段之一就是檢測識別其中的通信異常行為。 然而，當(dāng)傳統(tǒng)的網(wǎng)絡(luò)通信異常行為識別方法難以滿足人們的使用需求后，提出更加高效的網(wǎng)絡(luò)異常行為識別方法成為人們亟待解決的問題之一。

針對傳統(tǒng)網(wǎng)絡(luò)通信異常行為識別方法中存在的問題，本文提出了移動無線傳感網(wǎng)絡(luò)通信異常行為識別方法。 該方法首先基于重疊時間分配機(jī)制對移動無線傳感網(wǎng)絡(luò)中的數(shù)據(jù)采集量進(jìn)行控制。 再利用相異度分析法對網(wǎng)絡(luò)的地址進(jìn)行分析，最后基于分析結(jié)果完成對移動無線傳感網(wǎng)絡(luò)的通信異常行為識別。

盡管該方法取得了一定的應(yīng)用效果，但其在控制網(wǎng)絡(luò)數(shù)據(jù)采集量過程中還存在一定的缺陷，今后會針對這一問題繼續(xù)對該方法展開優(yōu)化處理。