18、移动自组网中基于图神经元的在线威胁检测方案

移动自组网中基于图神经元的在线威胁检测方案

随着网络技术的不断发展，移动自组网（MANET）和无线传感器网络（WSN）在众多领域得到了广泛应用。然而，这些网络面临着各种安全威胁，如分布式拒绝服务（DDoS）攻击、自私节点行为等。为了有效检测和应对这些威胁，一种基于图神经元（GN）的在线威胁检测方案应运而生。

1. 移动自组网与威胁检测概述

移动自组网是一种去中心化的网络，由无线移动节点通过自我协作形成。它没有固定的节点配置和协调，节点能够自我组织成移动网络。但MANET也面临诸多问题，如拓扑变化时的路由问题、无线通信问题、能量限制以及节点计算资源普遍缺乏等。由于其无线和移动的特性，MANET容易受到各种安全威胁，如自私节点、DDoS攻击和流量干扰等。

传统的基于IP的有线网络入侵检测策略并不适用于MANET，因此需要专门的入侵检测方案（IDS）。目前已有多种IDS被提出，如Huang和Lee提出的基于集群的合作检测方案、Sun等人引入的基于区域的入侵检测系统以及Xie和Hui讨论的基于自然免疫系统的防护方案。

2. 图神经元（GN）

2.1 关联记忆概念

关联记忆（AM）源自神经网络模型，在许多应用领域都有应用。Hopfield网络是一种广泛使用的无监督学习技术，常用于模式分析和优化中的关联（或内容可寻址）记忆实现，但该模型的可扩展性有限，受网络中处理/存储节点数量的限制。反向传播网络能快速召回，但添加新模式时的训练成本过高。理想的关联记忆设备应具备简单的一次性训练和快速检索功能，而图神经元（GN）正是为克服关联记忆设备的可扩展性问题和降低训练开销而设计的。

2.2 简单图神经元方法