进行无线欺骗攻击之前，一般通过战争驾驶，利用一些无线扫描工具获取 目标WLAN中的无线节点信息，比如Aircrack-ngJismet JnSSIDer等无线工具，然后通过现 有的技术手段破解得到目标WLAN的访问权，如抓包分析，字典破解等。攻击者通过运些手段 修改自身的MAC地址、SSID、IP地址等信息，W伪装成合法无线节点对目标WLAN发起欺骗攻 击。因此在一个受到欺骗攻击的WLAN中，同一身份下的数据包可能混合了合法节点与攻击 节点的信息。RSS是与无线节点物理位置关联密切的一个物理性质，通过现有的工具可获得 WLAN中每个节点身份下的RSS数据流。同样地，在受到欺骗攻击的WLAN中，某些节点身份下 的RSS数据流中也可能混合了合法节点与攻击节点的RSS数据，一般情况下，攻击者的物理 位置一般不同于合法节点的物理位置，相应的RSS数据流也会有不同的分布。基于运些信 息，本实施例对无线欺骗攻击者的定位过程主要包括=个阶段:首先建立位置指纹数据库， 然后分析RSS数据流确定无线攻击，最后定位攻击者的物理位置。参照图1，本实施例的定位 方法具体如下：
[0114] 1、建立位置指纹数据库
[0115] 在进行攻击者定位追踪前，需先在已有的WLAN环境中建立位置指纹数据库，为之 后的攻击定位阶段提供定位依据。由于RSS的空间相关性，无线信号在不同物理位置的RSS 表现值是不一样的，所W可W利用RSS变化及分布情况，建立每个参考点下的RSS特征值与 物理位置的映射关系。在前期阶段利用信标在参考点位置测量每个AP的RSS特征值，结合参 考点的位置坐标，按照一定的格式组织建立位置指纹数据库，为后面无线攻击定位提供数 据支持。
[0116] 建立基于RSS的位置指纹数据库主要包括W下步骤：
[0117] (1)在采集目标WLAN中的RSS特征数据前，需先确定WLAN的拓扑结构，建立平面坐 标系，然后按照预设规划好的预设规则在WLAN中选取多个参考点W获得每个参考点的位置 坐标。预设规则主要是设定了参考点的选取间距等，例如设定每个参考点的纵向与横向间 距均为2m，本步骤在选取参考点时，也可W结合人为的干预进行选取，依据楼层结构和定位 精度要求合理设定参考点数量，参考点越多定位精度越高。
[011引（2)复用已有的AP或增加额外的AP，部署立个^上的信标(AP)于WLAN中，使其无线 信号覆盖整个WLAN，实时监测捕获WLAN中的数据包。
[0119] (3)利用802.11标准的无线射频卡结合RSS测量软件，根据选取的参考点，测量每 一处的RSS数据。
[0120] (4)将每个参考点的坐标和RSS数据按照预设的数据格式存储在位置指纹数据库 中。假设第i个参考点采集得到RSS数据指纹表示为Ml,预设的数据格式可做如下定义：
[0121] -； ' '」 (1) LM,二[M.4CI : 说I，M4C 化货^…，MW;;,,,:似式,
[0122]其中，m表示WLAN中信标的数量，Mi表示第i个参考点的RSS指纹数据，Lai和Loi表示 第i个参考点的位置坐标，LM康示第i个参考点的RSS数据，MACj表示第j个信标的MAC地址， 35&表示在该参考点处测量得到第j个信标的RSS值，j表示下标，取值为I~m;冒号表示MAC 地址与RSS的映射关系，方括号表示所采集数据的集合，运些RSS数据指纹可依据参考点序 号依次排序。
[0123] 通过上述步骤（1)~(4)可W建立位置指纹数据库，更为详细的实现过程可参照图 2, 图2中展示了基于上述步骤（1)~(4)的更为具体的建立位置指纹数据库的流程，具体到 各种判断迭代过程。
[0124] 2、分析RSS数据流确定无线攻击
[0125] 建立好基于RSS的位置指纹数据库后，利用信标监测WLAN流量，提取分析每一节点 身份下的RSS数据流，分析其是否含有攻击者的RSS数据特征，W确定WLAN是否存在欺骗攻 山O
[0126] 假设WLAN中受到无线欺骗攻击，现已部署n个信标，形成n维信号空间，收集同一节 点身份下的RSS数据流，每个元素是一个n维RSS值向量，如下：
[0127] RSS={RSSi，RSS2, . . .，RSSn-i，RSSn} (2)
[012引使用欧氏距离dist(RSSi，RSSj)表示任意两个n维RSS值向量RSSi和RSSj的距离远 近，计算公式如下：
[0130] 攻击者一般在不同于合法节点的物理位置发起无线欺骗攻击，其对应于n维信号 空间的RSS数据分布中，应产生不同于合法节点的RSS簇群。因此对某一无线节点身份下的 RSS数据流，应用K-中屯、点算法对其进行聚类分析，得到多个聚类结果，评价出最优聚类结 果W确定簇数W及每个簇的中屯、代表对象。其主要过程包括:首先依次增大K值，即令K = 2、 3、 ……，应用K-中屯、点算法得到每个K的聚类结果，然后通过聚类评价分析每个K值所对应 的聚类结果，确定最优聚类结果。
[0131] 用Cl表示第i个簇，用化表示簇Cl的中屯、代表对象，引入代价函数，表示对RSS数据 流进行聚类分析之后的相聚程度：
[0133] E表示总代价，Pk表示簇Ck中的RSS值，E的值越小，表示聚类分析效果越好。利用结 合K-中屯、点算法，从K = 2起，对n维信号空间下的RSS数据流进行聚类分析，输出K个簇，步骤 如下：
[0134] (1)从RSS数据流中随机取K个RSS值向量，初始化为K个簇的代表对象或种子 Ol、......、〇K;
[0135] (2)将每个剩余的RSS值向量分配到最近的代表对象所代表的簇，距离大小依据欧 氏距离的计算结果；
[0136] (3)随机选择一个非代表对象Or,替换其所属的代表对象化；
[0137] (4)依据代价函数，计算替换后的总代价E;
[0138] (5)若得到一个更小的总代价E，则将Or替换其所属的代表对象〇1，继续执行步骤 (2)，反之取消替换；
[0139] (6)当所有非代表对象都被代替后，停止聚类分析，输出总代价E最小的聚类分析 结果;否则继续执行步骤(3)。
[0140] 上述步骤的输出结果是K个簇，用集合C= ki，C2, . . .，ck-i，ck}表示。每个簇表示为 巧'，化化;，...，/?巧:；1,/??,.}.其中j = l, . . . ,K,mi= |cj|。每个"对应的中屯、代表对 象表示为化、……、〇K。然后利用聚类评价对每个K值下的聚类结果进行评价，确定最优聚类 结果，评价步骤如下：
[0141] (1)从集合C中取出一个簇Cj,计算出该簇的第i个化S*巧值向量与同簇Cj中其他 式（0辛i)值向量的平均欧氏距离；计算公式为：
[0143] (2)对应于簇Cj的其余簇cp{p = l, . . .，j-1, j+1, . . .，K}(p辛j)，计算簇Cj中的第i 个化猫/值向量和簇Cp中所有i?批n直向量的最低平均欧氏距离计算公式为：
[0145] (3)利用评价步骤的步骤（1)、（2)计算得到的平均欧氏距离支7和最低平均欧氏距 离计算簇Cj中的第i个/?5/值向量的轮廓宽度W/，计算公式为：
[0147] (4)重复执行评价步骤的步骤（1)、（2)、（3)，计算得到簇Cj的每个RSS叫勺轮廓宽度 从而计算得到簇Cj的轮廓宽度Wj，计算公式为：
[0149] (5)重复执行执行评价步骤的步骤（1)、（2)、（3)、（4)，计算得到集合C中每个簇的 轮廓宽度Wj,从而计算得到簇数K下的整体轮廓宽度W化），计算公式为：
[0151] 通过评价步骤的上述五个步骤可得到每个K值下的轮廓宽度W化），对于每个K值， 均执行评价步骤，最后选出最大的轮廓宽度值W化)所对应的K值为最优聚类结果。
[0152] 3、定位攻击者物理位置
[0153] 最优结果的簇数K就是在受到欺骗攻击的WLAN中的攻击者数量，而其每个簇的中 屯、代表对象化、……、化就是运些攻击者的RSS位置指纹特征。攻击者的定位原理是利用每个 簇的中屯、代表对象与指纹数据库的RSS位置指纹进行相似度匹配，然后估计出其位置坐标。
[0154] 每个簇的代表对象表示一个攻击者的位置指纹特征，令巧= 表示信标 的数量。假设指纹数据库中第^'个参考点位置对应的位置指纹为>参考点对应 的位置坐标为心=[Laj，LoJ，按照下述步骤确定攻击者的位置坐标：<