文摘
无线传感器网络(WSN)是一种分布式和自组织网络,传感器节点的通信带宽有限,内存,和有限的能量。这个网络的拓扑结构通常是脆弱的,当受到恶意节点。此外,过度的能源消耗是一个不能忽视的问题。因此,本文提出一种安全拓扑协议的WSN trust-aware和低能耗,称为tl。tl认为信任值作为影响节点行为的一个重要因素。详细tl将信任值,节点的剩余能量和节点密度考虑在选择簇头节点。然后,tl构造这些簇头节点选择下一跳节点根据距离基站(BS),节点的度,和剩余能量,以建立一个安全、可靠、节能的网络。实验结果表明,该算法可以有效地隔离恶意节点在网络和降低整个网络的能量消耗。
1。介绍
随着无线通信的发展、电子、传感技术,无线传感器网络(WSN) [1吸引了太多的关注。WSN由许多无线传感器具有传感、数据处理和短距离无线通信功能。这些嵌入式传感器可以自组织,共同意识和收集各种有趣的环境数据。此外,他们也分析和处理原始数据获取准确的信息在各种环境条件下(2]。的WSN的优秀特点使其在军事防御有广阔的应用前景,环境监测、生物、医疗、救灾、和商业应用程序,等等3- - - - - -5]。
一般来说,WSN节点配备独立的电池和通常部署在野外大量人几乎无法达到的地方。这是一个不可能的任务,为电池充电或更换传感器。为了减少能源消耗,节点的通信半径是有严格限制的。拓扑协议的基础通常专注于如何独立的整个网络成簇和如何使多次反射建筑在这些集群头供自组织传感器数据转移到基站。在开放、分布和动态环境中,网络拓扑结构的建设是脆弱的,这可能导致整个网络是不安全的。传感器网络,如何确保通信的安全是一个重要的问题在构建的过程中网络拓扑6,7]。
近年来,人们已经提出了不同的安全路由协议。大多数都是基于传统密码体制的安全机制,这需要更多的内存和能源消耗。无线传感器网络是由许多小型传感器节点有限的带宽和严格的节点约束能力和内存。更重要的是,密码只能抵抗外部攻击;一旦内部节点有突变或攻击,他们将无法被识别。所以传统的传统的密码安全机制不完全适用于无线传感器网络8]。
为了解决上述问题,研究人员提出了信任管理机制。信任被定义为发生在主体和客体的二元关系。信任管理机制取决于对象的历史记录行为或交互行为。记录是用来计算一个信任值。信任的价值提供了一个预测未来的行为和决定对象的下一个步骤。信任值的评估包括节点信任,信任的联系,和服务的信任。这种策略使得信任管理机制有效地提高网络的安全在一个开放的环境。
本文试图考虑节点信任在构建网络拓扑,以保证网络通信的安全性。tl算法是基于节点行为的分析。发展各种信任因素,然后进行综合分析与直接信息和推荐信息。这个工作原理可以动态地反映了节点之间的信任值的变化。tl结合信任值,残余能量和密度。该算法采用局部最优的原则选择簇头节点。簇头选择下一跳基于残余能量,距离b,其他集群程度。因此,它可以有效地消除恶意节点在网络,实现安全、合理的节点通信。此外,减少了网络的能量消耗。
本文的其余部分组织如下:第二部分是简要回顾相关研究工作;第三部分介绍了系统模型和问题描述;第四部分显示拓扑算法的细节;第五部分是对仿真结果和分析;最后一部分是总结的结论和未来的工作。
2。相关工作
有很多研究传感器网络信任模型。詹等人提出了一种平面路由协议基于信任,叫做TARF。TARF使用信任价值和能源成本来决定路由路径。这个协议可以防止恶意节点篡改路由信息,误导网络流量9]。中央邦和Sakhare10)提出了一种簇头选举的机制。这种机制是基于信任模型,并使用一定的概率选择簇头。其他普通节点将加入集群头在分析能量和簇头的信任值。如果没有一个集群节点连接头,集群将成为一个常见的节点。重复上述过程,直到所有普通节点发现集群,这是复杂的计算过程,将网络太多的负担和能源成本,克罗斯比等人提出了一个基于信任值的簇头选举算法。在该算法中,邻居节点监控数据包和控制数据包转发信息,计算的信任值,并选择最高的邻居节点信任值作为集群的头。该算法结合了挑战的回应和冗余策略以减少恶意节点成为簇头的可能性(11]。在[12),南非等人提出了一个叫做CBTRP分层路由算法。CBTRP,邻居节点自组织成集群结构根据相应的信任值。为了确保数据传输的安全性,CBTRP会将数据发送给簇头直接信任,应用定向扩散。Heinzelman等人提出了一个改进的LEACH算法(13基于信任值,也就是说,LEACH-TM [14]。LEACH-TM算法使用信任值优化簇头的选择和形成的集群结构。通过这种方式,LEACH-TM可以识别恶意节点,减少数据包丢失,增强网络安全。有一个问题资产救助计划(15)协议适用于以信任为基础的路由方案负责路由信息从不同的节点到基站。它是基于将邻居转发消息的节点合作的想法。它使用的概念方面的合作路由的声誉。TARP达到显著改善方面的能源消耗和可伸缩性。过去这个协议利用节点的路由行为和链接质量来确定有效的路径,但它不提供保护身份欺骗通过重演路由信息。
以上方法主要集中在单一的网络安全威胁没有考虑全面信任值;因此它可能忽略信任路由本身的安全性和性能缺陷。例如,信任值的计算过于复杂,很难识别恶意节点,和关键节点是脆弱的。因此,本文提出了一个安全的无线传感器网络路由算法基于信托(tl)。tl综合直接信任和推荐信息计算。所以它可以动态地反映节点之间的信任值的变化。除此之外,需要信任值,能源成本,考虑节点密度。竞争和选择簇头的节点。簇头节点选择下一跳节点能量消耗,距离,和程度。使用这种策略,tl可以有效地消除网络中的恶意节点。 It can also ensure security and rationality of node communication effectively, as well as reducing network energy cost.
3所示。系统模型和问题描述
本文提出了tl,让节点构造整个网络的拓扑结构根据邻居节点的信任值,残余能量和距离基站。模型和tl拓扑结构描述如下的问题。
3.1。网络模型
假设传感器节点是随机分布的区域,传感器节点的主要特点如下:(1)所有传感器节点具有相同的初始信任值,能量价值,和地位;(2)只有一个b节点,系统和b节点的能量是无限的;(3)一旦一个传感器节点被部署,它不能移动;(4)节点是不配备GPS,但每个节点可以知道当前节点的位置信息;(5)一个传感器节点有很多能量,所以传感器节点可以动态调整模型,根据传输距离的能量。
第一,第四是无线传感器网络的基本性质,和第五属性定义集群中的能级的通信和集群之间的通信;两种通信模式有不同的能源消耗。
3.2。无线通信模型
本文使用相同的无线通信模型(16]。如何计算所示(1)。如果,节点能量消耗成正比的通信距离的平方;如果能耗,节点通信距离的四次幂成正比。上述两个模型被称为自由空间模型(自由空间)和多径衰落模型(多路径衰落),分别。为了实现节点的能耗与距离的平方成比例关系,节点的传播距离和通信距离被设置为在这篇文章中。发送的能源消耗比特数据所示公式(2)。考虑
传感器节点的能量消耗比特数据所示 代表接收和发送时的能源消耗1位数据,代表了能源消耗节点融合1位数据时,代表能量的消耗在发送1位数据在自由空间模型,和代表的发送1位数据消耗的能量多路径衰落模型。
3.3。问题描述
为了解决这些先前的研究中存在的弱点,tl协议需要满足如下条件:(1)网络节点通信半径小于或等于;因此网络中的所有节点能满足自由空间模型,该模型可以有效地减少能源消耗;(2)节点很难获得全球信息,随着规模的基础;节点构造整个网络拓扑应该只有当地的邻居节点的信息;(3)节点的信任值是动态的、变化的,应该能够准确反映节点安全;(4)在tl算法中,所有节点尽最大努力交付数据包给下一个节点,将各种各样的信任机制来选择邻居节点与簇头节点的信任值最高;(5)簇头节点之间的交流应该尽量满足自由空间模型;的通信半径小于或等于。
4所示。tl的细节
tl算法由两部分组成。第一部分是计算节点的信任值,并选择簇头节点的信任值,残余能量,节点的密度。如果普通节点的信任值小于某个阈值,它可能不允许加入任何集群。第二部分是建立一个加权树。所有簇头节点选择下一跳节点,根据节点信息包括残余能量的价值,集群之间的距离和BS,集群的价值的程度,以构造整个网络拓扑结构和传输到b节点最后的信息。
4.1。信任值的计算
信任取决于主体(计算节点)评估的客体(计算节点)和其他节点的推荐,和价值将会改变对象的行为。考虑的特点在无线传感器网络自组织和多跳,应该建立信任评估机制没有核心节点。邻居之间节点监控对方的行为,使用直接和间接信任值综合信任值。
(1)发送速率的因素 。评估节点监控评估节点的发送数量。如果数字低于下限阈值的节点都可以被视为一个自私节点。如果数量超过上限阈值,节点可能拒绝服务的攻击行为的执行。发送速率系数的公式如下所示:
在公式(4),代表的数量发送和代表的数量发送的期望值。当,,的变化如图1。
很明显,的范围从0到1。如果该值的更接近于的价值,更接近于1,这意味着节点信任值较高。
(2)一致性的因素 。为了防止恶意节点伪造数据包,我们需要比较节点收集的数据与邻居节点收集的数据本身,叫做空间相干性的分析。收集的数据来自不同节点在同一个地区的本地网络通常显示了高度的相关性。评估节点监控评估节点的数据包,与之相比,其采集数据。评估节点监控评估节点的数据包,比较了数据采集和收集的数据本身。如果两个数据之间的差异在一定范围内,评估节点和计算节点有一个一致的意见监控环境。考虑
在公式(5),代表节点拥有相同的数据包的数量与计算节点和代表的数量不一致的包。所有的包的数量吗收到周边节点。
(3)数据包损失率的因素 。由于节点的能量是有限的,系统某些节点不能直接与基站(BS)通信,需要其他节点作为中继节点转发信息的BS多次反射拓扑。包掉在传输的过程中可能会存在,导致信息的损失。丢包率的公式所示
在公式(6),是所有的所有节点发送的数据包,在吗。是由所有节点收到的数据包的数量,在同一时间。显然,的范围也是从0到1。
假设节点和是邻居节点。当节点评估节点,考虑到恶意节点的攻击和自私节点,我们需要将所有前面提到的信任因素。首先,计算节点的直接信任值,然后计算间接通过其他节点信任值连接两个节点是哪一个和,直接信任值的计算公式如下:
在公式(7),是发送速率的因素,是一致性的因素,丢包率的因素,是一个常系数,范围从0到1。的范围从0到1。是0,代表节点异常节点,节点是不可信的,而1代表节点是完全正常的,节点是可信的。信任值越大,越可信节点。
在选择下一跳节点,每个节点都是主观判断下一跳节点可以信任通过计算下一跳节点的信任。为了减少偏差,间接信任值也应该考虑,和公式如下:
在公式(8),评估节点的直接信任值吗通过和评估节点的直接信任值吗通过,同时连接节点和节点。可以根据实际网络的需要。它可以设置成线性的,这样,。的价值和可以根据实际需要确定。如果我们想要更多关注其他节点的信任值,我们可以设置价值更高。然而,如果节点信任值的判断,自己的更重要的是,可能会更高。
4.2。簇头的选择
在集群的第一选择,全球广播基站节点,每个节点接收基站的信息,并计算本身和基站之间的距离。然后,每个节点广播信息本身在当地区域内距离的范围。当其他集群节点接收一条消息,然后他们会发送一个确认消息发送节点。在每个节点计算,每个节点将广播本身和范围。考虑 在哪里代表节点的剩余能量,代表节点的信任值,是邻居节点的数量在一个半径。是函数来计算节点的。相关的节点剩余能量、节点的信任值和密度。我们希望的节点剩余能量越大,信任值越大,节点的密度越大,簇头节点的概率就越高。
图2是一个原理图的基础上,由五个节点,和节点5是最大的。通过以下步骤,集群的竞争将完成。(1)所有节点广播信息的范围之内和接收其他节点的信息相同的范围内;(2)所有节点计算自己的根据接收到的信息,然后广播他们的信息的范围内;所有节点接收其他节点的范围;如图2,节点5了本身的价值和其他节点1、2、3、4;(3)比较自己的和其他值,如果自己的是最大的;的节点成为簇头;如图2与节点的值,比较5由自己和其他的值1,2,3,4个节点,节点5发现自己的价值是最大的,所以5节点成为簇头节点的竞争。
算法1是集群的伪代码:(1)b基站节点广播信息;(2)所有的节点不是孤立和能量大于零;广播的信息范围;与此同时,其他节点的所有节点接收信息的范围之内,计算;最后,比较自己的和收到的邻居节点;(3)最大的节点成为簇头节点;(4)簇头节点等待从其他节点加入按摩。
|
||||||||||||||||||||||||||||||||||||||
4.3。加权生成树的一代
在本节中,我们想要建立一个所有簇头节点之间的多次反射拓扑通过生成加权生成树结构。为了方便讨论,在这一节中提到的所有节点是簇头节点。
簇头选择其他簇头节点的下一跳,考虑到残余能量,BS和下一个节点之间的距离,和程度的下一个节点。本文的概念的程度不仅仅是直接连接的节点数。例如,节点的度是所有节点的数量,以节点作为根节点和节点需要转发他们的信息。在tl,每个集群节点广播信息,广播的半径。当其他集群节点收到消息,他们将发送一个确认消息的节点广播消息,确认消息(消息)和细节的确认消息格式如表所示2。一个确认消息包括当前节点的剩余能量,节点的位置,节点之间的距离和BS,节点的程度。当节点收到确认消息(消息)从其邻近节点,它将从邻近的节点选择下一跳。
如何选择下一跳的方法如下。(1)节点选择节点的距离与BS节点之间的距离小于当前节点和BS节点加入集合V的节点将消息发送到当前节点。(2)选择下一跳节点的集合V根据公式(10)。(3)如果节点已经收到消息从b节点,它的下一跳是b节点。考虑
在公式(10),表示当前节点,代表你的邻居节点,和代表当前节点之间的链接权重和节点。表示节点之间的距离和节点。代表节点的剩余能量。代表初始能量。代表的最大程度上一轮网络。度表示的程度。,,常系数,。最后,节点将选择最大的Nextnode作为下一跳。
图3是一个原理图的基础组成6节点。蓝线是原始连接在网络和红线在这一轮新的连接。显然,在选择下一跳节点,E5将考虑三个方面:距离、能源和度。在这个图中,E1靠近水槽节点,和E1最远E5的范围内(范围内发送数据尽量不管E1的程度,E1可以视为E5暂时的转发节点,但是,鉴于程度的E1, E2与E1的学位是相同的能量相对较小。更重要的是,E2是最远E5除了E1, E2变成E5的下一跳节点。
本文的概念的程度不仅仅是直接连接的节点数。一个节点的程度是所有节点的数量,以该节点为根节点,这个节点需要转发信息。下一个簇头节点的选择后,下一跳节点的度应该更新。所示的公式 代表当前节点的度表示程度的下一跳。除了所有的节点已连接,需要转发数据包。因此,节点应该更新学位的价值。节点后更新其学位,它应该广播信息的新学位。然后,下一跳也要更新一个变化的节点的学位。重复此过程,直到找到节点,节点的下一跳是废话。
图4是一个原理图的基础上组成7个节点。蓝线是原始连接在网络和红线在这一轮新的连接。E6后选择E5作为下一跳节点,E5需要更新学位的价值和E4还需要更新的程度。因为E4 BS节点的下一跳,所以没有更多的节点需要更新程度,在这个网络。
算法2是加权生成树的伪代码:(1)b节点广播信息;(2)无线电广播的所有节点的信息,radiodistance;(3)节点接收的radiomessages节点与节点的距离还不到或等于;(4)网络中所有幸存的节点根据邻居节点信息选择下一跳节点,如果节点的距离BS大于的节点BS和马克斯(Nextnode);的节点将成为下一跳节点;(5)节点和节点的后代,刷新他们的程度;(6)节点将其TDMA表发送给它的子节点和连接节点接收TDMA。
|
||||||||||||||||||||||||||||||
5。模拟
实验环境如下:网络的面积和传感器节点的数量是200。每个节点的信任的初始值是1。一些恶意节点随机分布。恶意节点可能有一些不好的行为,如包丢失,太大或太小的数量发送数据包,并发送错误的数据。仿真实验的初始化参数如表所示1。
实验分为三个部分。首先,我们分析的检测精度孤立恶意节点通过设置不同的阈值。其次,我们使用更好的阈值,得到的第一部分,我们分析平均发送比的变化,平均一致性比率的变化,以及变化的平均包交货率变化的交流,为了验证该算法能否有效隔离恶意节点,提高平均发送率,平均一致性比率和平均分组网络的交货率。最后,我们比较tl的能源消费与能源消费的层次路由协议包括浸出,浸出,LEACH_MF。
在图5,横轴代表恶意节点的比例,纵轴代表的比例正确检测出恶意节点总网络中的恶意节点当第一个节点死亡。一些不同的曲线是通过设置不同的阈值。从图中可以看到,所有的恶意节点阈值时能被探测到是0.3。图6显示平均恶意节点的信任值变化改变后的整数。在这个实验中,假设每个节点的初始信任值是1,然后计算节点的信任值根据以前的通信节点的性能,我们可以得出这样的结论:无论恶意节点的比例是多少,信任值平均下降和恶意节点的信任值将跌至0.3下方。因此,恶意节点检测到通过设置隔离阈值0.3在实验环境下。
所有节点是完全可信的实验开始时;也就是说,每个节点的信任值是1。平均一致性比率,平均发送率,和整个网络的平均包交货率是1。初的沟通,所有的节点都完全信任和恶意节点没有被孤立。因为网络中存在恶意节点,大量的异常行为,包括数据包的丢失,错误的数据包,或节点发送数据包或发送数据包发生太多,所有的三个信任因素将下降在前阶段。增加轮的沟通,慢慢就会发现和隔离恶意节点,和这些坏行为相对会减少,因此,在以后的整个网络的通信阶段,所有的三个信任因素会增加增加轮沟通。
为了验证三个信任因素的变化,我们得到数据7,8,9。在图7,横轴代表沟通,数量,纵轴代表的平均比率。在图7,无论多少恶意节点的比例,平均发送的变化比在网络遭受退化在第一阶段;随着交流的增多,将会显著增加。恶意节点的比例越大,越快的速度下降的阶段。水平轴和垂直轴代表沟通的轮数和平均一致性比率分别在图8。在图9,横轴是沟通轮数,纵轴代表的平均包交货率。一致性的变化比率和平均分组交付是一样的平均发送率的变化;他们都遭受退化在第一阶段显著增加,无论恶意节点的比例是多少。他们也有特色;也就是说,恶意节点的比例越大,越快,下降的速度在下降阶段。
与数据7,8,9,我们可以看到信任因素的改变值的降低,然后增加的数量的增加轮沟通。发送因子的变化是相当温和的,一致性因素和丢包率因素的变化比较大。这是因为我们让恶意节点发送一个包或一个包比正常节点在每一轮,在这个实验中。后,然后统计每个节点的发送速率50轮。改变节点的发送速率不是很高,所以改变的因素是缓慢的。
最后一部分实验的能源消耗与LEACH相比,LEACH-MF CMRA, tl。LEACH, LEACH_MF [17],CMRA [18)集群路由协议的基础上。最初的环境下,我们得到的对比图10能源消费的四种不同的算法。在图10,横轴表示轮数,纵轴代表的总和所有网络节点的能耗和单位。从图可以看出10,tl能耗明显低于其他三个。
轮的数量代表了在这个仿真网络的生命周期。网络的生命周期包含三种定义:第一个节点死亡,一半的节点死亡,和最后一个节点死亡。在这个实验中,我们采用的拳头定义(拳头节点死亡)数的一生网络。
能源消耗的比较(LEACH, LEACH-MF CMRA, tl)在不同规模的网络图所示11。监控区域,,,,,,,分别。初始能量为0.6。在图11水平轴代表了网络规模;纵轴代表了一生(第一个节点死亡)。随着网络规模的增加,大部分节点的距离b将会增加。根据通信模型,我们知道距离的增加必然带来能源消费的增加。从图11的一生中,我们可以看到LEACH, LEACH-MF, CMRA, tl下降随着网络规模的增加。尽管tl会随着网络规模的增加,其生存时间长于其他算法在每个规模。
通过数据10和11,我们可以知道tl与LEACH相比,LEACH-MF,和CMRA在每个通信圆和减少能源消耗,随着网络规模的增加,网络中寿命最长的。
6。总结与展望
本文提出了一种安全拓扑协议的基础,也就是说,tl。介绍了信任机制用于tl。信任因素定义的节点的历史行为,和每个节点的信任值是根据综合值来计算的直接信任和间接信任,信任因素相关。tl使用集群的概念。首先,集群头选择根据信任值,节点剩余能量和密度。然后,集群头选择下一跳节点的剩余能量,距离BS,程度的候选节点。之后,整个网络拓扑结构的建设。实验结果表明,tl能有效消除网络中的恶意节点,以确保节点通信的安全性和合理性。与此同时,它还可以减少网络的能量消耗。
本文存在的问题集中在以下两个方面。首先,本文改进的平均包交货率,增加计算导致分组延迟的增加。第二,移动传感器网络和异构网络将成为网络的新特点。重要的是要找出如何让未来的改进。
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和61202462),和基础研究基金为中央大学,中国。