关键词:
物联网
智慧机场
设备管理
入侵检测
不平衡数据集
摘要:
本学位论文的研究课题来源于国家重点研发计划《飞行区设施智能检测与互联》(2020YFB1600104)。随着我国航空运输业的快速发展,急需借助物联网等技术进行智慧机场建设。然而,目前机场飞行区存在着多设施互联难的问题,飞行区内多个子系统工作相对独立,缺乏集中控制和安全管理。因此,本学位论文旨在构建一个稳定安全的多系统设备物联网系统,以实现飞行区内多设施系统信息的智能互联互通和安全可靠传输。
本学位论文的主要贡献如下:
(1)设计了机场物联网设备安全管控系统整体架构。针对机场飞行区存在大量支持不同网络接口的感知与终端设备,设备数量众多且分散,接口和协议多样化,以及物联网安全等问题,本文设计了机场物联网设备安全管控系统。该系统由设备管理子系统和入侵检测子系统共同组成,设备管理子系统确保设备的可控性,入侵检测子系统保障系统的安全性。
(2)设计并实现了多元异构融合的设备管理子系统。首先,基于现有物联网接入标准、平台和接入方案,研究物联网分层体系结构及各层次之间的网络通信技术,通过将设备管理与其他业务系统相剥离,提高了系统的独立性和可扩展性。然后引入物模型的概念,利用物理标识语言建立数据模型和映射方法,提高了系统在描述和表示异构设备时的通用性。最后,研究并改进了通信协议及数据接口,包括其协议架构、通信模式以及数据交互方式等,从而实现了多设施系统的互联互操作。通过设备管理子系统,机场飞行区多设施之间可以轻松地进行互联互通,而无需针对每种设备类型进行单独地开发和定制。
(3)设计并实现了入侵检测子系统,提出了一种基于集成学习的入侵检测方法,该方法可以有效地解决入侵检测领域中数据不平衡分类问题,主要包括基于BaggingLight GBM的特征选择算法和LOF-Enhanced SMOTE过采样算法。首先,BaggingLight GBM的特征选择算法采用多次有放回抽样来构建样本子集,从而使得每个样本子集中每个类别的样本个数大致均衡,以弥补数据集不平衡的影响。然后LOFEnhanced SMOTE过采样算法通过计算每个数据点的密度,有效剔除噪声样本的影响,并使用高斯核函数计算每个少数类样本点与其最近邻样本点之间的相似度,从而在生成新样本时更加准确地反映原始数据集中的数据分布。最后基于BaggingLight GBM的特征选择算法和LOF-Enhanced SMOTE过采样算法,使用Light GBM作为分类器构建了入侵检测模型。
(4)对系统进行了功能测试和性能测试,并在真实场景下通过了第三方测试。测试结果表明该系统能够满足机场实际的使用需求,有效地实现对机场物联网设备的管理和物联网的安全保障,从而提高了机场的运营保障能力和生产经营管理水平。