Volume 3,Issue 7
Fall 2025
基于机器学习的智能家居入侵检测系统
随着智能家居系统的快速发展，传统PC端入侵检测系统已经不能满足海量数据和多样化攻击场景的需求。因此，本文提出了一种基于机器学习方法的智能家居入侵检测系统，通过将机器学习方法与模式识别相结合，采用基于神经网络的分类算法对入侵行为进行检测。首先，通过Ozone平台收集家庭网关日志、用户控制命令和用户执行指令等数据，并在此基础上设计了一个高效的数据处理模块；其次，基于该模块生成特征提取算法所需的样本集，然后利用卷积神经网络完成对这些样本的特征提取，从而建立一个用于检测入侵行为的智能分类器模型；最后，通过该模型实现对入侵行为的检测。实验结果表明，本文提出的基于卷积神经网络的分类器模型比传统的支持向量机（SVM）和人工神经网络（ANN）模型具有更高的准确率和更好的泛化能力，且运行效率更高，能够有效地识别出潜在的入侵行为，为家庭网络安全提供了有力保障。
[1] 魏政花.物联网在智能家居中的安全防护技术研究[J].信息与电脑,2025,37（03）：81-83.
[2] 王泽鹏.基于深度学习的智能家庭入侵检测系统设计与实现[J].信息与电脑（理论版）,2024,36（18）：106-108.
[3] 潘佩佩.信息技术背景下智能家居室内设计的实践与研究[J].房地产世界,2024,（17）：41-43.
[4] 周晓燕.智能家居照明系统安全风险评估[J].中国照明电器,2024,（06）：105-107.
[5] 田昌忠.基于边缘计算的家庭物联网入侵检测技术的研究与应用[D].北京邮电大学,2024.
[6] 吕之贺.基于人工智能的智能家居系统设计[J].信息与电脑（理论版）,2024,36（07）：19-21.
[7] 洪年芳.基于物联网技术的智能家居系统网络安全威胁与防护策略[J].玩具世界,2024,（03）：179-181.
[8] 王泽彬.智能家居入侵检测方法研究及系统实现[D].陕西科技大学,2024.
[9] 张佳盛.基于机器学习方法的智能家居系统研究[D].浙江农林大学,2023.
[10] 何峰.基于机器学习的家庭物联网入侵检测技术研究[D].东南大学,2023.
[11] 金鹏,张鹏.基于IPv6技术的物联网在智能家居中的应用[J].中国新通信,2023,25（16）：87-89.
[12] 郭淼,檀晓涓.智能家居对数字弱势群体权利的补偿与剥夺[J].传媒论坛,2023,6（01）：34-40.
[13] 赵曈,林敏强,祝明欣.基于毫米波雷达的智能家居报警系统[J].电子产品世界,2022,29（11）：20-21.
[14] 李俊奎.面向智能家居的入侵检测系统设计与实现[D].华东师范大学,2023.