一种自适应无线传感器网络覆盖方法入侵容忍基于信任值

文摘

传感器很容易攻击或入侵过程中节点的覆盖优化。这是一个巨大的挑战,以确保无线传感器网络仍然可以进行安全通信和可靠的覆盖的情况下被攻击。因此,本文提出了一个入侵容忍网络覆盖方法基于信任值的节点信任值模型结合可靠的覆盖优化。它首先估计节点的信任值,通过它调节感知半径半径和决策。此外,该算法还结合了无线网络覆盖的经典方法,如静止和算法,实现入侵容忍传感器的网络覆盖。在比较与传统单一的机制,它可以提高网络的安全性和覆盖率的情况下入侵。仿真结果验证了算法的有效性。

1。介绍

近年来随着科学技术的进步,无线传感器小型化的趋势,效率高,低功耗,等等,也可以应用于无线电通信领域实现大规模生产的成本效益。无线传感器网络节点一般蔓延到该地区人们无法到达;它可以组织本身作为一个网络,搜索路由器,检测周边环境(1]。由于传感器节点的特点限制和不确定的自然环境,数据的可靠性和安全性尤为重要。无线传感器网络,可以提供可靠的通信和覆盖条件下的资源约束和不可避免的漏洞攻击和破坏行为,是迫切需要的。

为了节约能源,研究人员开始将覆盖控制功能集成到传统的传感器,以便尽可能使用较少的节点完成覆盖的要求。关于问题的WSN节点受到攻击和不安全感,信任的概念,提出了研究人员,以确保覆盖区域的安全。目前,安全路由技术基于信任管理(2)、安全融合技术(3),和安全时间同步技术4取得了一些有价值的研究成果,但到目前为止,研究领域几乎没有有效的安全盖基于信任管理机制。

提高覆盖质量与传统的覆盖算法和减少故障节点的覆盖质量的影响与此同时,研究人员想出了一些可靠的覆盖算法。文献[5监视器丢弃数据包的行为通过一些额外的监控网络中节点和帮助失败节点发送数据包,支持传感器到水槽节点传输数据安全、准确。文献[6)提出了一个基于2-Coverage可靠的覆盖机制,通过增加冗余覆盖屏蔽单一节点故障,因此它可以达到容错的效果。为了避免单个节点失败可能导致整个移动网络节点的运动,文献[7提出了一个基于虚拟坐标的调度方案。可靠的覆盖机制上面提到的这些研究主要是集中在解决方案以减少失败节点覆盖的质量。然而,在许多实际情况下,除了节点故障、网络攻击和入侵的降低也会导致网络覆盖质量。例如,如果监控网络中节点被捕获的敌人,变成了恶意节点,然后加强辅助机制,监测节点将失去有效性。如果网络入侵的一部分,传感器数据将严重偏离真实的数据8),这些错误的数据可能会导致假警报和消费有限的网络资源,造成严重的后果。因此,研究人员提出了信任管理机制,通过监测节点的行为计算节点的信任值,确定下学期的行为根据信任。信任管理模型是一种有效的方法来保证网络安全的无线传感器网络。

本文提出了一个入侵容忍和报道方法自适应传感器网络基于信任值。基于覆盖的优化结合的信任模型中,信任评估机制是能够识别恶意节点和不合作节点,抵抗网络攻击和入侵,提高覆盖率,确保安全覆盖的基础。

本文的其余部分组织如下;第二部分介绍了系统模型;在第三部分中,介绍了信任管理模型和描述;第四部分提出了算法过程的细节;第五部分是模拟和分析的仿真结果;最后一部分是总结与展望。

2。系统模型

入侵容忍的覆盖方法和自适应传感器网络基于信任值本文主要包括两个阶段:评估节点信任和网络覆盖优化。在信任评估阶段,每个节点的信任值的计算方法是根据自己的信息和邻居节点信息集成。在网络覆盖优化阶段,节点信任值映射到半径变化和传统的网络覆盖优化算法应用于可靠的覆盖最大化。

2.1。网络模型

假设传感器节点是随机分布的正方形区域,传感器节点主要特点如下。(1)所有的初始位置和速度传感器节点在一定变化范围的随机初始化。(2)只有一个b在整个网络节点和BS节点的能量是无限的。(3)网络中所有传感器节点通信模型和认知模型盘模型;原决定感知半径为半径的两倍,和所有的半径是可以调节的。(4)传感器节点在部署后可以移动。(5)节点是不配备GPS,但每个节点可以知道当前位置信息本身。(6)每个节点建立一个信任表和一个半径为其邻居节点表和记录的信任值和半径的变化。

2.2。网络覆盖模型

是的一个子集,表示节点集的覆盖面积,区域覆盖范围可以定义为。在实践中,直接计算的价值是复杂的;为了简化计算,检测区域将网格点的坐标格子,网格点的距离传感器被定义为。定义网格的概率点覆盖的传感器节点

当网格点由多个传感器,其标记为覆盖状态,和网格点的概率被定义为覆盖,所以的价值只能1或0。和,所以区域范围被定义为

3所示。信任管理模型

比较与传统的安全机制、信任管理模型具有更大的灵活性、可伸缩性和可靠性。与此同时,它可以完成可靠的授权管理,资源共享和安全服务通过建立实体之间的信任关系。信任模型的主要评估根据评估的“信任”的行为的观察和交互的单个记录信息,评估个人的信任值计算模型使用适当的数学计算模型。信任模型可用于改善安全在开放网络环境中基于节点信任值的计算和评价的实现网络安全政策的灵活调整。

直到今天,有很多信任模型的无线传感器网络(WSN)的研究。有一些安全路由技术基于信任模型。王等人。9]指出一种无线传感器网络安全路由算法几乎没有固定的基础设施和检测恶意行为涵盖安全困境。算法引入了节点可信度,也可以建立安全路由和消除网络的恶意节点。Zhang et al。10)提出一个可信的无线传感器网络路由算法基于主观逻辑。该算法充分考虑节点的信誉建立在路径选择,以确保数据传输的安全路径约束。程等。11)提出了BT SR:一个算法基于可信的安全数据融合和路由。分别从时间和空间相关性的角度,建立了基于相似性的一个可靠的模型。这种方法解决了选择转发攻击和洪水攻击在信息传输的过程中,确保数据传输的安全性。

目前,很少有研究结果可靠的无线传感器网络覆盖算法。Shuhao和Xiaolon12)和其他研究人员提出了一种自适应调度算法基于旋转信任节点的网格。的算法是基于信任的节点调度调整旋转调度节点的可信度。然后找到网格形成的虚拟网格点,每个网格点和量化的信任值。如果信任值不能满足安全的需求,重新安排相关的节点。后节点的信任值的计算算法,它应该依次计算量化信用信托网格点,因此变得非常复杂。随着无线传感器网络通常由许多小的传感器节点组成,这些传感器节点只有有限的通信带宽和能量,减少安全覆盖算法的复杂性可以减少能源消耗。

信任模型提出了不同信任因素考虑在内,包括从主观到客观的观察和推荐的第三方。邻居节点互相监控,根据直接或间接从主观到客观的信任的价值,然后得到综合信任值。通过调整感知半径的大小和决策半径根据综合信任值来减少决策区域和低信任节点的覆盖范围,以确保可靠的覆盖网络。

3.1。信任因素的定义

假设节点和邻居节点,节点评估节点的信任等方面的信息沟通、数据完整性和一致性,定量分析各种影响因素的信任值。

3.1.1。一致性的因素

为了防止恶意节点伪造数据包,需要分析空间相邻节点的数据一致性。在无线传感器网络中,当地的邻居节点的数据通常有很高的相关性。主题监控对象的包内容,与收购数据比较,如果不同的两个在一定范围内,我们可以认为监控对象的评估主体和客体之间的一致性。一致性的因素如下:

是一致的数据包的数量,和是不一致的数据包的数量。

3.1.2。发送速率的因素

主题评估和监控对象的数据发送情况;如果数据包数量低于阈值限制TL,我们可以把它作为一个自私节点,如果数据包数量超过最大限制阈值,我们可以认为它是在拒绝服务攻击。发送速率的因素如下:

是传输数据包的数量在时期内吗,的期望值是总传输数据包在时期内吗,它是由基站根据预设的应用程序。在发送速率的因素是在理想范围内,节点信任具有更高的价值。

3.1.3。完整性的因素

为了防止恶意节点篡改和转发数据包,我们需要评估数据包的完整性。源节点发送数据包后在一定的时间,我们监督下一跳节点进行数据转发是否正确。完整性的因素如下:

完整的包数和吗这个话题的数据包数量吗需要的对象向前。

3.1.4。半径的因素

节点间的信任可以归结为是否要发送数据包。为了防止恶意节点传输更多的非正态数据,适量减少感知半径的大小,决定低信任半径值的节点。半径的因素如下:

节点内的半径吗和是原来的半径。

3.1.5。时间的因素

由于这一事实,节点信任值的组合信任记录和当前的观测信息,可以加入时间因素来分析相关的上下文的信任值,以反映信任值随时间衰减的影响。如果时间因素太大,信任值是受历史影响的评价太多,节点可能是错的,而如果时间因素太小,信任值可能过度依赖一个时间段。因此,我们需要做出不同的时间因素根据不同的安全级别。

3.2。信任值的计算

根据特定的应用程序需求,评估节点监测的一部分或全部信任因素,评估对象直接信任值通过加权平均的方法。在所有的定义信任因素,和主要考虑的合理性包传输的数据量和相关内容。他们参与评价对象数据转发,转发数据包完整性的一部分,相对过剩的能量。假设评估的信任值监测所有信任因素上面所提到的,和历史的信任表示为之前的周期和相应的半径,计算公式直接信任值可以被定义为

,,加权系数,可以根据具体情况调整,然后呢

的主题之间的互动的对象不仅是直接,也间接通过共同的邻居。因此,节点信任计算包括直接信任和间接信任值。间接信任是有限的和常见的邻居节点信任转移。间接信任值如下: 是其中之一和的共同的邻居节点是常见的邻居节点的总数。

这样的评价关于对象的综合信任程度如下: 是一个全面的信任直接信任程度的依赖,它可以调整到特定的应用程序。

3.3。节点半径调整的信任

节点之间的信任的评估,我们可以准确地判断网络中的恶意节点。在无线传感器网络中,为了减少恶意节点带来什么,决定节点的传感半径,半径应规范根据节点的信任程度,为了使恶意节点通信和网络的覆盖率减少。每个节点可以建立一个半径表对其邻居节点,记录下他们的半径变化。当一个节点被认为是恶意节点,邻居节点将更新其半径如下:

是原始的半径,包括传感半径和覆盖半径。节点节点的邻居吗;是邻居的总数。函数根据需要可以改变不同的网络,我们使用了线性函数。更新后的半径,半径的邻居节点列表也将被更新。

4所示。方法描述

群体智能算法(13是受生物行为的性质,如粒子群优化,蚁群优化和萤火虫算法。他们有自己的独特优势,也有自己的缺陷。为了克服原算法的缺陷,结合两个或两个以上的算法结合在一起的研究已成为趋势。

4.1。基本PSO算法和静止

1995年,美国心理学家进行肯尼迪和电气工程师埃伯哈特引入了粒子群优化算法(PSO) (14]。它是受到鸟类的迁移和聚集在觅食。在原始算法,它的参数是一致的,和有限制的解决过程。考虑到基本粒子群优化,建平et al。15]介绍了惯性权重在原公式线性降低,制定基本PSO算法。该算法(16支持,每一个个体都是粒子没有数量和质量,以一定的速度飞行在搜索空间,并调整其速度动态的综合分析个人和群体的飞行经验。

2005年,罗等人提倡一个新的群体智能启发式计算技术:静止(萤火虫群优化)17]。GSO算法开发了一个多点并行全局随机搜索策略基于组的行为(18]。高速度和效率的捕捉极点使静止有很强的通用性(19]。在萤火虫找到优化算法的重要因素是亮度和吸引力。亮度取决于当前位置和目标函数值,这是更高的位置时更好。同时,吸引力是影响亮度,这意味着光明的萤火虫有更强的吸引力,也可以吸引那些明亮的萤火虫。随着距离的增加,吸收后媒体减少荧光的亮度和吸引力。总之,有静止过程中四个阶段20.]:荧光素更新,萤火虫运动,萤火虫的位置更新和萤火虫邻居半径更新。

4.2。改进算法PGSO

PGSO系列采用的方法相结合粒子群优化(PSO)算法和萤火虫算法。萤火虫算法能够发现全局最优解和局部最优解的搜索空间;缺点是时间成本高,精度不高。粒子群优化的优点是收敛速度快,计算精度高;它的缺点是容易陷入局部最优。合并后的两个算法,精度的解决方案是高于粒子群优化和萤火虫算法和有助于克服陷入局部最优的问题。

假设改进算法PGSO粒子群组成的粒子。粒子组成的目标搜索空间萤火虫。的位置向量th粒子;是粒子速度,代表下一次迭代粒子移动的距离;最优值的搜索历史吗th粒子,即局部最优值;最优值在整个粒子群的搜索历史,也就是说,全局最优值。每次迭代过程如下。(1)在迭代优化过程中,首先,更新粒子速度和位置基于粒子群优化(PSO)算法如下: ;;是当前目标搜索空间维度;是当前的迭代次数;和是随机数字服从均匀分布;和人工学习的因素。惯性权重如下: 是初始权重;终止的重量;最大迭代次数,是当前的迭代次数。(2)应用萤火虫算法迭代更新搜索空间。萤火虫荧光素更新如下: 是萤火虫的荧光素的浓度与迭代;()是荧光素浓度衰减系数;节点的目标函数值吗与迭代。目标函数是基于节点的坐标。以目标函数为 在这个公式 节点之间的欧几里得距离吗和和是节点的相邻节点这是半径和不同的感觉。是相邻的半径决定节点的域与迭代。根据公式(13我们更新邻居萤火虫的存储萤火虫,缩小的范围低信任决策。(3)计算的概率萤火虫搬到他们的邻居的荧光素浓度低于本身 在这个公式 是节点的相邻节点荧光素的浓度低于和感知半径与迭代。之间的欧几里得距离吗和与迭代。(4)萤火虫移动后位置更新 节点的空间位置吗在维度和位置更新迭代步长。欧氏距离。(5)更新每个粒子,巢萤火虫算法在粒子群优化算法中粒子保持准确。在更新粒子,更新个体最优值和全局最优值根据报道。

4.3。基于PGSO入侵容忍安全覆盖方法的算法

当网络受到攻击或入侵节点的一部分,传感器数据严重偏离真实的数据,甚至破坏了数据的真实性,还可能传染给邻居节点,消耗有限的网络资源,造成严重的后果。入侵容忍安全覆盖方法是基于PGSO算法通过使用上面提到的信任管理模型,结合PGSO迭代过程来实现自适应调整的影响如下。(一)初始化后粒子,根据公式(10)在信任模型,计算每个节点的信任,再通过公式(11)调整半径的邻居节点列表。减少低信任节点的覆盖区域。(b)根据公式(11)更新存储在邻居节点的列表,狭窄的萤火虫低信任决策的范围。(c)根据公式(10)计算节点的信任更新后的粒子。控制节点的半径和报道根据公式(11),然后开始一个新的迭代3。

5。模拟

5.1。PGSO算法仿真和性能分析

为了验证PGSO算法的有效性,我们评估算法在MATLAB环境下,这样我们可以提高算法本身通过相关的仿真测试和比较。设置粒子大小的粒子群优化(PSO)算法在每个粒子的节点数量;也就是说,萤火虫的数量是30,最大迭代次数的初始值,半径5米,半径决定的初始值是10米,和学习的因素。线性递减惯性权重,最初的权重、体重的终止荧光素在静止的衰减系数算法、健身提取比例。在50米50米广场监控区域,网格点大小设置为0.50.5米。随机分配30移动传感器节点在监测区域和使用PGSO算法做仿真。在图(a)和(b)1当前节点分布模拟图之前和之后的优化,分别。

从上面我们可以看到,网络覆盖策略提出可以给更合理的节点部署优化方案,同时提高网络覆盖。从仿真结果中,我们可以看到节点部署的复杂状态最优操作均匀分布,由相互重叠覆盖区域相对较小。为了进一步验证算法的有效性,在实验环境下,我们分别做实验模拟PSO算法,静止的算法,和PGSO优化算法。仿真结果如图2。

从图可以看出2,网络覆盖PGSO优化算法在每次迭代步骤总是大于静止算法和PSO算法。此外,为了测试PGSO能否提供更好的网络覆盖优化,在不同条件下的网络节点数,我们设置节点数字10,15日,20岁,25岁,30岁,35岁,40岁和45岁,另外,和静止算法,采用PSO算法,PGSO算法进行模拟。这些结果的算法在不同的节点号被使用10倍的平均网络覆盖的模拟。仿真结果如图所示3。从图可以看出3,当网络节点同时,报道PGSO算法总是大于静止和PSO算法,尤其是优势将更加明显在更大的网络。

5.2。基于信任PGSO算法实例仿真和性能分析

本文加入信任模型和PGSO实现可靠的报道。为了验证其有效性,我们考虑节点的信任值计算包括信任因素,如数据一致性、发送速率,完整性和时间。设置粒子大小;每个粒子都有一个节点的数量。不同数量的节点转化为恶意节点通过人工随机设置,和恶意节点将发送虚假信息或篡改数据转发数据包。监控正常节点的信任值和半径的变化,恶意节点,同时网络覆盖。通过设置恶意节点比例为10%,20%,和30%,分别在仿真实验中,节点的平均信任值如图4。所有节点的信任值设置为1的图;也就是说,所有节点被认为是可信的。通过检测网络中的节点信任值平均每25倍的迭代过程中,节点的平均信任值往往是在随后的迭代过程稳定。平均节点信任值较低时更入侵网络中的节点。

上述实验环境条件下,模拟一组对比实验是必要的。对比测试不包括节点信任机制模型,因为在许多情况下,为了保证网络的安全,一旦检测到恶意节点,恶意节点将被放置休眠状态或孤立的状态。为了清晰,PGSO1是恶意节点休眠或隔离算法和PGSO2是PGSO算法基于信任模型。设置恶意节点的比例为10%,20%,和30%,分别模拟实验。仿真结果如图5和6。

在图5,黑色的三角形标志是入侵节点,红点是正常的节点。从一系列的对比数据,可以明显发现入侵容忍的覆盖方法和基于自适应传感器网络PGSO要好得多。它有一个更大的覆盖面和也可以保证网络的安全。

从图6,网络覆盖PGSO2算法在每次迭代步骤中大于PGSO1基本上。在节点入侵的情况下增加,下降的范围远小于孤立的模型。进一步表明,入侵容忍覆盖方法和自适应传感器网络基于信任值可以给一个更合理的网络覆盖优化方案,考虑网络节点数量的条件是30,40岁,50岁。分别使用PGSO1和PGSO2模拟10倍,并采取网络覆盖到比较平均。仿真结果如表所示1。PGSO1(30)在表1表达了PGSO1算法仿真结果时网络的节点数量是30。这个比喻,从表中的数据可以看出,随着网络规模的增加,比PGSO1 PGSO2有更好的性能。因此,PGSO2倾向于做得更好在一个大型网络。

6。结论和未来的工作

为了保证网络安全的最大有效覆盖下,本文提出了一个入侵容忍传感器网络覆盖方法基于信任值的节点。基于一致性、数据传输速率、完整性和时间因素,节点可以估计下调整彼此的信任值和节点根据半径不同的价值和信任,同时,这种信任模型集成到传统的覆盖方法的优化算法,PGSO,确保网络可以调整的最大可靠覆盖下入侵。仿真结果表明,PGSO算法的覆盖率和静止与PSO算法都有明显提高。基于相同的可靠的覆盖率,和隔离恶意节点的传统方法相比,PGSO算法综合信任值性能更好,特别是在大规模的节点。

目前的问题主要集中在以下三个方面。首先,有许多类型的节点的攻击,例如,重播攻击等等,所以信任值的信任因素模型需要改善。其次,当节点被认为是恶意的,需要更多的实验和后续研究为了找到一个公式更合适的信任半径值和相应的监管。此外,由于移动传感器网络节点的能量限制,具有重要意义适当延长生命可靠网络的覆盖在考虑节点信任值和能源消耗。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由湖南省自然科学基金、中国(13 jj3091 14 jj3062),国家自然科学基金,中国(61202462,61300036),以及基础研究基金为中央大学,中国。

引用

1. i . f . Akyildiz w·苏y Sankarasubramaniam et al .,“无线传感器网络:一项调查,”计算机网络,38卷,不。4、393 - 422年,2002页。视图:谷歌学术搜索
2. k . Nagarathna y . b . Kiran j . d . Mallapur和s . Hiremath“信任建立安全路由在无线多媒体传感器网络,”诉讼的第四届国际会议上计算智能,通信系统和网络(CICSyN 12)页,53-58 IEEE出版社,皮斯卡塔韦,新泽西,美国,2012年7月。视图:出版商的网站|谷歌学术搜索
3. y陈和j .蜀”,作为智能材料系统,无线传感器网络安全问题”应用力学和材料卷,63 - 64,497 - 501年,2011页。视图:出版商的网站|谷歌学术搜索
4. z . y .道和m .胡”,基于层次结构的时间同步算法在无线传感器网络中,“《计算机应用,32卷,不。6,1513 - 1515年,2012页。视图:谷歌学术搜索
5. h . Gobjuka和y布莱巴特发现网络拓扑结构的大型多子网以太网网络,”美国第32 IEEE会议上本地计算机网络(LCN ' 07)2007年10月,页428 - 435。视图:出版商的网站|谷歌学术搜索
6. l . Qionglin“容斥原理和应用”,中国科学技术信息,20卷,不。8日,58-59,2012页。视图:谷歌学术搜索
7. a . Francy夫人、美国此前和d . Elakkiya”算法代理有效在未知环境中移动机器人的导航,”程序的智能代理和多主体系统国际会议(IAMA ' 09),页1 - 4,钦奈,印度,2009年7月。视图:出版商的网站|谷歌学术搜索
8. w·r·皮雷t·h·p·Figueiredo h . c . Wong和a·a·f·Loureiro“无线传感器网络中的恶意节点检测问题,”18学报》国际并行和分布式处理研讨会,2004年。视图:谷歌学术搜索
9. c . Wang x y贾、林,“基于信任的安全路由算法对无线传感器网络来说,“杂志在通信卷,29号11日,第112 - 105页,2008年。视图:谷歌学术搜索
10. l, l·李,李和c,”一个无线传感器网络路由算法基于主观逻辑可信,”武汉科技大学,33卷,不。1,第78 - 75页,2009。视图:谷歌学术搜索
11. z z Cheng Ming-Zheng, x金盛本着“BTSR:行为安全数据融合和路由算法可靠,”《计算机应用,28卷,不。11日,第2823 - 2820页,2008年。视图:谷歌学术搜索
12. d . Shuhao和l . Xiaolon“可靠覆盖算法在无线传感器网络中基于网格信任,”计算机应用研究没有,卷。31日。1,第256 - 253页,2014。视图:谷歌学术搜索
13. e .拿m .民宿,g .特洛拉兹群体智慧:从自然的人工系统英国牛津,牛津大学出版社,1999年。
14. 进行j·肯尼迪和r·埃伯哈特,“粒子群优化”《IEEE国际会议上神经网络1995年12月,页1942 - 1948。视图:谷歌学术搜索
15. 李x l .建平,c . Minrong”SFLA马尔可夫模型及其收敛性分析”,《电子学报》,38卷,不。12日,第2880 - 2875页,2010年。视图:谷歌学术搜索
16. e .太阳”,在集群路由协议基于PSO的一项调查,系统”TELKOMNIKA印尼电气工程期刊》上,12卷,不。7日,2014年。视图:谷歌学术搜索
17. j。李罗,x, M.-R。陈”,打乱青蛙跳跃的马尔可夫模型算法及其收敛性分析,“《电子学报》,38卷,不。12日,第2880 - 2875页,2010年。视图:谷歌学术搜索
18. k . n . Krishnanand和d . Ghose用”的理论基础为会合glowworm-inspired代理成群在多个位置,”机器人和自治系统卷,56号7,549 - 569年,2008页。视图:出版商的网站|谷歌学术搜索
19. k . n . Krishnanand d Ghose用,“萤火虫群优化:优化综合功能的新方法,”国际计算智能研究杂志》上,1卷,不。1,第119 - 93页,2009。视图:谷歌学术搜索
20. k·黄和y周”,改进的自适应变异一步GSO算法”,计算机工程,38卷,不。4、185 - 187年,2012页。视图:谷歌学术搜索

版权

版权©2015左陈等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。