摘要: 随着移动互联网时代的到来，基于IEEE802.11标准的无线局域网技术—Wi-Fi，已经成为了人们日常生活中密不可分的一部分。然而，无线信道的开放性使得Wi-Fi网络极易受到各类攻击的考验。其中，拒绝服务（DenialofService，DoS）攻击不仅破坏了Wi-Fi网络... 展开 随着移动互联网时代的到来，基于IEEE802.11标准的无线局域网技术—Wi-Fi，已经成为了人们日常生活中密不可分的一部分。然而，无线信道的开放性使得Wi-Fi网络极易受到各类攻击的考验。其中，拒绝服务（DenialofService，DoS）攻击不仅破坏了Wi-Fi网络的可用性，还间接地威胁了Wi-Fi网络的私密性和完整性。因此对Wi-Fi网络中DoS攻击检测方法的研究，有着非常重要的意义。 传统的入侵检测方法主要依赖于固定规则的建立，但如今已经难以应对越来越灵活的攻击方式，而机器学习技术可以利用入侵时的特征数据自动对入侵行为进行建模并识别，进行达到入侵检测的目的，因此被广泛应用于入侵检测之中。本文利用机器学习技术，提出了一种可在家用Wi-Fi网络中使用的DoS攻击检测方法。该方法使用无线帧的多个字段作为特征，提出了可用于DoS攻击检测的有效特征集，并结合朴素贝叶斯分类算法构建了一种用于Wi-Fi网络的DoS攻击检测模型。基于此模型，本文设计并实现了一个Wi-Fi网络DoS攻击检测系统。 本文的主要工作和贡献包括： 1.详细调研了Wi-Fi网络所使用的IEEE802.11标准及其安全机制的发展现状，并对Wi-Fi网络中的DoS攻击检测的研究现状进行了总结。然后分析了Wi-Fi网络DoS攻击的关键技术，包括Wi-Fi网络的结构、设备接入Wi-Fi网络的流程、管理帧的结构以及家用Wi-Fi网络中常见的DoS攻击的原理。 2.提出了一种基于无线帧字段特征的Wi-Fi网络DoS攻击检测模型。通过对现有数据集的分析，结合Wi-Fi网络中DoS攻击的原理，提出将无线帧的字段作为特征，构建了用于DoS攻击检测的有效特征集，然后通过使用多个朴素贝叶斯分类器对无线帧进行正常帧与攻击帧的分类，从而达到DoS攻击检测的目的。一方面，基于无线帧字段的特征集既弥补了单一特征作为检测指标时易被绕过的缺点，又改进了传统的基于统计的特征集在对低速率DoS攻击进行检测时存在的不足；另一方面，朴素贝叶斯算法分类稳定且高效，非常适合应用于实时检测模型中。最后在现有数据集上对检测模型进行验证，验证结果表明，基于所提出的特征集与朴素贝叶斯算法的检测模型具有足够高的效率和精度来对Wi-Fi网络中的DoS攻击进行检测。 3.基于所提出的检测模型，实现了具有良好图形化用户界面的Wi-Fi网络DoS攻击检测系统，并在真实环境中对检测系统进行了测试。测试结果表明，本文提出的DoS攻击检测系统能够准确对Wi-Fi网络中的DoS攻击进行检测。 收起