摘要：物联网的开放式部署环境和有限的资源，使其很容易受到恶意攻击，而传统入侵检测系统又很难满足物联网自身的异构和分布式特征。为了适应开放式部署环境、资源有限类物联网应用需求，提出了一种基于模糊聚类c均值算法（fuzzy c-means，FCM）和主成分分析算法（principal component analysis， PCA）相结合的轻量级入侵检测系统。相对于传统入侵检测方法，该方法能明显减少测试数据的计算量。仿真实验结果表明，该方案能明显缩短检测时间并具有较高的检测率。
关键词：物联网；模糊聚类c均值算法；主成分分析；入侵检测
DOIDOI：10.11907/rjdk.161248
中图分类号：TP309文献标识码：A文章编号：1672-7800（2016）006-0211-03
参考文献：
[1]CHANGJUN HAN，YI LV.An intrusion detection system based on neural network[C].Proc of 2011 International Conference on Mechatronic Science， Electric Engineering and Computer （MEC），2011：2018-2021.
[2]胡向东，魏琴芳，向敏.物联网安全[M].北京：科学出版社，2012.
[3]张馨，袁玉宇.入侵检测技术在物联网中的应用研究[J]. 软件，2012（11）：156-159.
[4]CAIMING LIU， JIN YANG. Research on immunity-based intrusion detection technology for the Internet of Things[C].Proc of 2011 Seventh International Conference on Natural Computation（ICNC），2011：212-216.
[5]RONGRONG FU， KANGFENG ZHENG. An intrusion detection scheme based on anomaly mining in internet of things[C].Proc of 4th IET International Conferenc-e on Wireless， Moble & Multimedia Networks （ICWM-MN 2011）， 2011：315-320.
[6]REN WULING， CAO JINZHU， WU XIANJIE. Application of network intrusion detection based on fuzzy c-means clustering algorithm[J]. 3rd International Symposium on Intelligent Information Technology Application， IITA ，2009（3）：19-22.
[7]CHEN BO， MA，WU. Research of intrusion detection based on principal components analysis[C].Proc of Second International Conference on Information and Computing Science，2009：116-119.
[8]KDD CUP 1999 data[EB/OL]. http：//kdd.ics.uci.edu/databases/kddc-up99/kddcup99.html.
[9]YU LEI， LIU HUAN. Feature selection for high-dimensional data：a fast correlation-based filter solution[C].Pr-oceedings of the 20th International Conference on Mac-hine Learning. San Francisco： Mogan Kaufmann Publi-shers， 2003：856-863.
[10]温重伟，李荣军.改进的粒子群优化模糊C均值聚类算法[J].计算机应用研究，2010，27（7）：2520-2522.
[11]BEZDEK J C. Patten with fuzzy objective function algorithms[M]. New York：Plenum Press，1981.
