电子信息技术

本发明公开了一种基于FP‑growth算法的认知物联网共谋SSDF攻击检测方法，涉及物联网安全技术领域，本发明基于以边缘为中心的认知物联网(Ec‑CIoT)架构，公开了一种使用关联规则挖掘算法来检测共谋SSDF攻击，基于CIoT中存在的大量设备，利用BIRCH算法进行聚类，将某区域内的物联网设备划分成若干个子集群，基于子集群内的物联网设备，将感知报告发送到位于边缘层的子融合中心(S‑FC)，在S‑FC执行FP‑growth算法识别出共谋恶意物联网设备(C‑MIDs)并过滤其感知报告，基于融合中心(FC)对接收到的感知报告进行数据融合并做出全局决策，实现对CIoT中不同类型的共谋SSDF攻击均达较好的检测，该基于FP‑growth算法的认知物联网共谋SSDF攻击检测方法。

成果亮点

本发明的目的在于提供一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法，以解决上述背景技术中提出的问题。 为实现上述目的，本发明提供如下技术方案：一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法，包括如下步骤： 步骤一，建立频谱感知模型，包括PU、FC和N个物联网设备构成的CIoT网络，所述物联网设备包括多个MID和多个NID，MID和NID的数量分别为M、N-M，其中，NID感知在感测时隙中主用户是否存在，并将感知报告如实发送给FC，MID则会选择伪造感知到的数据，影响FC作出不正确的决定；

FP-growth 算法在数据挖掘中常用于频繁模式挖掘，而 SSDF 攻击是一类针对物联网中传感器数据篡改的攻击。因此，这种方法的应用前景在于，通过使用 FP-growth 算法，可以高效地检测出 SSDF 攻击对传感器数据的篡改，从而保护物联网的安全。此外，FP-growth 算法还可以用于其他类型的数据挖掘任务，因此这种方法也可以为数据安全领域提供新的思路和方法。

与现有技术相比，本发明的有益效果是：该基于FP-growth算法的认知物联网共谋SSDF攻击检测方法，通过建立三种不同类型共谋SSDF攻击的模型并利用不同模型检测率和虚警率的差别来确定FP-growth算法中的最小支持度阈值，仿真结果证明划分不同类型攻击者的阈值可以达到较高的恶意设备检测率。