AI 中文总结
针对大规模 WSNs 的外部 sinkhole 攻击问题，采用 BSO 算法的元启发式特征选择方法，将 16 个特征缩减至 8 个，实现 0.997 的检测准确率，有效提升攻击检测效率与性能。
AI 中文摘要
大规模无线传感器网络（WSNs）中的 sinkhole 攻击对网络功能构成严重威胁。本文提出一种用于 sinkhole 攻击检测的元启发式特征选择方法，采用蜂群优化（BSO）算法。在 3000×3000 平方米区域部署 2000 个节点的外部 sinkhole 攻击仿真中，该方法将 16 个特征集缩减至 8 个，检测准确率达 0.997。
英文摘要
Sinkhole attacks in large-scale wireless sensor networks (WSNs) pose a serious threat to network functionality. This paper presents a metaheuristic feature selection for sinkhole attack detection using the bee swarm optimization (BSO) algorithm. In an external sinkhole attack simulation with 2000 nodes deployed over a 3000 $\times$ 3000 m$^2$ field, the proposed method achieves a detection accuracy of 0.997 while reducing the 16-feature set to eight features.
CommentsAccepted to GCCE 2026; corrected typos
