1.一种跨技术通信的欺骗攻击检测方法，其特征在于，包括以下步骤：步骤1，建立跨技术通信网络，获取正常数据；

步骤2，使用一类支持向量机算法对正常数据进行训练并构建一类支持向量机算法分类器；

步骤3，使用步骤2得到的一类支持向量机算法分类器获取异常数据；

步骤4，将正常数据和异常数据作为训练集，使用支持向量机算法进行分类训练，得到训练好的支持向量机算法分类器，通过支持向量机算法分类器对网络中的数据进行检测。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：所述跨技术通信网络包括无线设备、服务器和控制台；

所述无线设备包括ZigBee设备和WiFi设备，设定网络中所有的ZigBee设备正常通信，不存在欺骗攻击；服务器接收合法ZigBee设备和WiFi设备监视的数据包以进行全局检测；

控制台接收数据包，利用时间戳或序列号对接收信号强度RSS样本进行归一化，组合数据包并构造样本，合法ZigBee设备和WiFi设备统称为正常用户。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：步骤2-1，构建训练集：根据控制台获取的接收信号强度RSS样本数据，得到Wi-Fi节点i的向量xi为：其中 是来自第k个设备的节点i的接收信号强度RSS值；

将Wi-Fi节点的向量用作其信号指纹，并使用来自合法节点的向量实时构建训练集X：X＝{x1，x2，…，xn}

其中n是训练集中的样本总数，训练集X中的数据即正常数据；

步骤2-2，一类支持向量机算法的目标表述为下列二次优化问题：其中， 是训练集中特征向量的非线性映射函数，w是权重向量，ξi是松弛变量，b是使间隔最大化的偏置量，正则化参数u∈(0，1)；

在所有样本中，满足 的帧 即为支持向量，通过求解上述二次优化问题，得到分类器f(x)：

步骤2-3，为了确定测试样本向量xj落在超平面之上还是离群值之上，决策函数使用非线性核函数K(xi，xj)：其中，μi是通过 函数使间隔最大化而获得的拉格朗日因子，fOSVM是最终的决策函数；其中，K(xi，xj)分别采用三种不同的核函数，即下面方程式中给出的多项式：最终，求解出参数μi，b，并采用上述三种不同的核函数，当代入测试样本向量xj，fOSVM(xj)＝1的情况，则表示帧xj来自合法设备；fOSVM(xj)＝-1表示帧xj来自非法设备，即欺骗攻击的发动者；对于支持向量 fOSVM(xj)＝0。

4.根据权利要求3所述的方法，其特征在于，步骤3包括：使用一类支持向量机算法来检测测试样本是否为新颖样本，如果是，即fOSVM(xj)＝-1，表示对应的设备是非法设备，即欺骗攻击者，所述测试样本即为异常数据。

5.根据权利要求4所述的方法，其特征在于，步骤4包括：带有I个特征向量的标记训练集D由下式给出：D＝{xi|xi∈Rn，yi∈[-1，+1]}其中 是来自第k个设备的节点i的接收信号强度RSS值，yi是xi的标签；

目标是找到最大间隔超平面，以将yi＝+1的特征向量与yi＝-1的特征向量分开，任何超平面都能够写成满足以下特征向量的集合：wTx+b＝0

wTx+b＝1

其中， 是超平面相对于原点沿w的偏移量；如果wTx-b＞0，则yi标记为1，否则yi标记为-1，如下所示：T

设定训练样本是线性可分离的，则在超平面w x+b＝0上没有训练点，为了控制可分离性，建立以下不等式：等于：

超平面wTx+b＝c形成分离超平面，c是变量，-1＜c＜1；

所有训练数据必须满足：

其中δ是间隔；下式中施加约束：

δ||w||＝1

则找到最大间隔超平面的问题变成下式问题：对偶问题是：

αi和αj是拉格朗日因子；

必须有可行的解决方案 则满足

的特征向量为支持向量，S为支持向量集：如果xi是支持向量，则αi＞0，否则αi＝0：其中|S|表示支持向量集S中元素的数量；

对于测试样本z，如果 z属于1类，否则，它属于-1类，在下式中给出：

6.根据权利要求5所述的方法，其特征在于，步骤4中，如果允许错误ξi，需要解决以下问题：其中ξi是优化中的松弛变量；ξi＝0表示xi没有错误；C是误差和间隔之间的折衷参数；

对偶问题是：

对偶优化问题使用QP求解器解决，w被恢复为 用于测试测试样本z，如果 z属于1类，否则，它属于-1类。

7.根据权利要求6所述的方法，其特征在于 ，步骤4中，设定核函数由定义，探测欺骗攻击问题变成：

其中α就是使用拉格朗日乘数法引入的拉格朗日因子，支持向量机的决策函数，分别采用了以下三种核函数：则支持向量机分类器的决策函数fSVM(x)为：fSVM(x)用于测试测试样本z，如果fSVM(z)＝1，则表示测试样本z来自合法设备，即不存在欺骗攻击，否则，fSVM(z)＝-1，则测试样本z来自非法设备，此时网络中存在欺骗攻击。