随着信息时代的不断发展和物联网技术的广泛应用,无线传感网逐渐以其诸多优势普遍应用于人们的日常生产生活中各个领域,如军事侦察、环境监控、智慧家庭、智能医疗等。然而,由于无线传感网对很多影响广播通信的攻击和威胁抵抗能力薄弱,且其部署环境通常不稳定,无线传感网中的安全问题也日益凸显。对于目前常见的攻击手段研究可发现,攻击者对无线传感器网络实施攻击的过程大致分为三个阶段:物理捕获并破解、节点重新部署和发起内部攻击。目前已有的很多防御技术主要针对于第二、三阶段的检测,若在初期的节点捕获阶段对攻击实现一定的检测和响应,可以对无线传感网进行更有效、及时的防御与保护。目前已有一些研究成果实现了节点捕获的早期检测,然而,这些方法大多需要对时钟同步进行限制,且多数方法未考虑到节点的休眠机制,因此无法针对捕获攻击提供更高的检测准确率。另一方面,由于规则方法的限制和深度学习相关技术的不断发展和广泛应用,深度学习算法在解决无线传感网领域诸多问题方面提供了很多方案思路。其中,循环神经网络因其结构特性常用于处理时序问题,将循环神经网络应用于解决节点捕获检测各方面限制的问题中,将是一种兼具有效性和实际意义的方案。基于以上思路,本文针对异步休眠模式下的无线传感器网络,提出了一种基于循环神经网络的节点捕获检测方法。主要完成的研究工作如下:(1)引入循环神经网络构建节点捕获检测模型,通过采集传感器节点的时序状态,将其输入并应用于模型中进行运算。模型通过识别传感器节点的状态及模式实现对节点捕获的检测,解决了传感器节点时钟不同步的问题。(2)本文根据无线传感网的通信情况引入某节点的邻居节点概念,利用邻居节点的协同监控实现对被监测节点的状态监测,同时对节点间的监测消息进行统一调度。本文中的方法采用节点声明消息统一调度广播机制,保证邻居节点在一个休眠周期内至少有一次收到声明消息的机会。在监控过程中采用的邻居节点协同判定机制可有效降低误报率,防止单独节点进行片面决策,提高整个模型检测的准确性。(3)本文根据所研究的节点捕获检测机制设计完整的节点捕获检测系统,包括无线传感网络结构、数据存储、状态转移检测机制、告警机制等多个模块,形成具有完整检测功能的基于循环神经网络的异步休眠模式下节点捕获检测系统,并进行相关代码实现。本文中针对多方面检测性能情况,对设计并实现的节点捕获检测系统进行了对比实验。实验中,本文提出的检测方法相比于CAT和SEFSD方法具有更高的准确率和召回率,当被捕获节点占节点总数的25%时,本文所提方法检测准确率达92.3%,分别比CAT和SEFSD方法高出17.2%和12.5%。同时,随着被捕获节点数量增加,曲线下降速率最为平缓。实验证明该系统检测准确率、召回率等指标优于经典检测方法,可以有效避免节点异步休眠对捕获攻击检测的影响,同时,在通信负载方面也具有更好的性能。