公开(公告)号：CN112469072A

公开(公告)日：2021-03-09

申请号：CN202011298883.0

申请日：2020-11-18

Applicant: 重庆邮电大学

Inventor： 杨柳 ,  张平 ,  施学鸿 ,  姜法勇 ,  程琪

IPC: H04W24/08 ,  H04W84/18

Abstract: 本发明属于物联网安全领域，具体涉及一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，该方法包括：节点通过主动学习构建标准事件模板B‑Spline曲线；根据节点的具体行为构建节点事件模板B‑Spline曲线；对通信环境变化引起的节点事件B‑Spline曲线漂移进行监测及补偿；将节点事件模板与标准事件模板进行匹配，判别节点行为性质并调整监测时长；本发明建立了节点的标准行为事件模板，使节点的具体行为可以识别，根据节点行为性质调整监测时长，从而提高了节点的生命周期和传感网的安全性。

公开(公告)号：CN107241358A

公开(公告)日：2017-10-10

申请号：CN201710651758.5

申请日：2017-08-02

Applicant: 重庆邮电大学

Inventor： 胡向东 ,  杨柳 ,  胡蓉 ,  程占喻 ,  唐贤伦 ,  白银 ,  邢有权 ,  李秋实

IPC: H04L29/06 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的智能家居入侵检测方法，涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起，了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数，在线系统进行实时入侵检测，与现有技术相比，这是一个针对智能家居网络攻击行为的主动监测模型，具有较高的检测率、较低的漏报率和误报率，以及实时性强等特点。