陈卓，吕娜，陈坤，张彦晖，高维廷

(空军工程大学 信息与导航学院，西安710077）

近年来，无人机在军事和民用领域的网络化应用日益广泛。无人机网络多部署和应用于恶劣、无人值守的环境中，更易遭受各种网络攻击，如虫洞攻击、拒绝服务攻击和泛洪攻击等［1］。网络入侵检测技术作为一种主动网络防御技术，通过监视网络运行状态，能够识别并有效应对各种网络攻击行为，确保网络可靠运行［2］。

传统的网络入侵检测方法包括基于签名的检测和基于异常的检测。基于签名的检测方法对已知入侵行为建立知识库，通过与知识库的记录对比来确认攻击，是检测常见网络攻击的有效方法，但不适用于检测未知的新型攻击。基于异常的检测方法通过网络流量的正常行为特征建立入侵检测模型［3］，将与正常行为有较大偏差的异常活动判定为网络攻击，因而无需具体定义每种入侵行为，能够有效检测未知攻击且适应网络的变化。入侵检测 模 型 的 构 建 有 统 计［4-5］、聚 类［6-7］、分 类等不同方法［8-9］。统计方法需要根据流量特征的历史数据建立统计模型，因此检测的时效性差。聚类方法通常使用K均值等聚类算法建模，但流量特征复杂时存在难以确认聚类中心的问题［10］。分类方法通常使用支持向量机(SVM）等算法构建入侵检测分类模型［9］，不仅能快速检测出异常流量，还能识别具体攻击类别，但分类准确率通常取决于从网络流量中挖掘的特征(能否准确描述网络）。……