中文摘要: 当无线传感网络遭受DDoS攻击时，极有可能导致网络服务中断、资源耗尽或网络性能下降等问题，严重威胁网络的安全性。为此，提出了基于多模态深度神经网络的无线传感网络DDoS攻击防御算法。将无线传感网络信号进行短时阶傅里叶变换(Short-Time Fourier Transform, STFT)，对STFT后的信号进行奇异值分解(Singular Value Decomposition, SVD)，以增强数据信号。将增强后的数据信号输入到多模态深度神经网络模型，并利用卷积层提取多模态特征，通过多模态特征的融合和学习，增强模型区分攻击数据和正常数据的能力。采用EWC算法对模型中的参数进行更新，进一步提高防御效果。仿真结果表明，所提算法的报文到达率在0.94以上，网络传输延时低于0.03 s，误警率稳定在0.6%以内，具有良好的DDoS攻击防御性能。