文摘

无线传感器网络(网络)和动态拓扑传感器节点之间的通信容易受到多次袭击。他们有权力有限,产生复杂的安全方案之间的冲突和能源消费的是成反比的。因此,实现之间的权衡应该完成计划和能源。能源利用一种新型安全、节能意识路由技术量化indexive clustering-based组合随机抽样蝙蝠优化(QIEAC-CSSBO)提出了由集群、最优路由路径识别、和路由维护。聚类过程,并选择簇头(CH)和高剩余能量使用量化舒兹indexive Linde-Buzo-Gray算法(QIEAC)。最优路线识别使用CSSBO(组合随机抽样Prevosti蝙蝠优化),和健身的蝙蝠是衡量组合函数,即距离,能源,信任,和链接节点之间的稳定。随机抽样选择通用应用程序选择全球最好的安全数据传输的最佳路径。最后,执行路由维护过程来确定替代路由节点之间的链路发生故障时。实验使用各种性能指标进行评估,即能耗、包交货率、丢包率、吞吐量和延迟。该方法QIEAC-CSSBO包的性能提高交货率4%,吞吐量的26%,和丢包率27%,减少了11%的能源消耗,以及延迟16%相比现有技术。

1。介绍

无线传感器网络(WSN)印不可避免的需要在所有的环境监测、健康监测、精确农业、工业监控、智能家居(IoT-based WSN)、交通监控、和军事应用。传感器网络是一个网络区域,包括大量的节点和无线传输的能力,但它有电池电力不足和最小的存储容量。传感器节点网络监控和收集数据的各种环境。发送收集到的数据从一个位置到另一个通过无线的连接(1,2]。这些节点组成的小型组件,如收发器微处理器和控制器处理和沟通感觉数据所需的目的地,还有电池支持所有这些操作。因此,电池的性能起着至关重要的作用在传感器网络的生命周期是基于一样的很难改变电池的传感器部署。传感器网络的性能会随着节点死亡没有能量,所以它是非常重要的生命周期延长节点通过有效地使用能源[3- - - - - -5]。提出了好几个工作,提高网络的生命周期,和提出的大部分作品关注改进路由协议基于集群。网络的性能需要权衡能源约束和资源限制之间的传感器。然而,当网络中的节点有很多,标准的直接路由使用更多的能量和可能大大缩短网络生命周期(6]。在传感器网络,整个网络划分子网称为集群控制的家庭中的一个节点,称为集群头(CH)。因此,在这种类型的路由,星团内和intercluster通讯多次反射的方式表现。为了保存其剩余能量,避免浪费它试图与邻居远通信,传感器节点只与最近邻互动。这是最初的方法开发的名义利奇(7),后来,许多路由协议开发与许多其他技术以这样一种方式来保护网络中节点的能量(8,9]。集群的一个非常敏感和自适应方法应制定延长网络的生命周期。

与网络的关键问题之一是安全的数据传输。由于传感器节点之间的通信通道开放,网络容易受到很多攻击,另外,中央通信由于动态拓扑结构相对比较复杂。无线通信网络更容易受到物理层、链路层和网络层的威胁,如拥堵攻击,伪造攻击,和碰撞攻击比有线通信网络(10]。对于某些应用程序,如那些在军队和遥感工作在不可靠的情况下,许多网络部署在恶劣的,不可预测的,并且经常充满敌意的物理环境。在许多轮的实际操作,安全的数据传输是非常重要的和需要的。安全和隐私是至关重要的因此发展的网络和传感器网络应用程序(11,12]。这导致各种加密算法对数据安全的发展和图像安全在不同的应用程序(如军事、环境监测、医疗保健、和物联网13,14]。在WSN可能降低的实现安全算法的性能和能量,所以应该有一个之间的权衡安全实现和使用的电池15- - - - - -17]。所以,应该提出一个有效的路由协议来管理复杂性和权力的使用。

传感器网络的发展大量的应用程序共同完成。增强系统生命周期是通过管理能源的使用。但是,能源的管理仍然是一个挑战当算法复杂度的增加用于实现更好的传播或提高安全级别。所以,本研究的范围是减少能源消耗和有效地使用可用的能源,因此提出了一个集成的集群形成和CH方法选择、提高能源效率以及安全在WSN路由,从而实现安全算法实现和能源消费之间的权衡。对上述情况,更好的技术,QIEAC-CSSBO(量子化indexive节能意识clustering-based组合随机抽样蝙蝠优化),提出了。首先,量化Schutz indexive Linde-Buzo-Gray算法应用于QIEAC-CSSBO技术集群传感器节点。其次,组合随机抽样Prevosti蝙蝠的优化算法被用来找到一个高效和安全的路线。下面这个,航线维修完成观察故障节点或恶意节点的帮助下健身价值和修复它。

本文的组织结构如下:部分2详细讨论了各种类型的clustering-based路由协议和不同的优化方法来提高网络生命周期的安全方法,和它最终确定的研究空白和本研究的目标。提出了集群系统模型和最优路径寻找节中讨论3。提出了系统的性能分析中讨论部分4,部分5是结论与未来的范围。

2。相关工作

提出了几个工作,讨论了关于有效使用能源,减少能源消耗和安全网络的数据传输。传感器节点的网络集群可以扩展生活通过减少能源消耗。这是一个至关重要的节能策略。类似于聚类,对能源使用减少路由有很大影响。在传感器网络、集群和路由是至关重要的因素在传感器节点使用多少能量。因此,各种进化和bioinspired优化策略研究和探索研究,以延长网络的生命。因此,各种进化和bioinspired优化策略研究和探索研究,以延长网络的生命(18]。

泰勒C-SSA提出了(19使用CH)实现多次反射路由选择以及数据传输。QEBSR设计(20.)节能数据传输,减少延迟。在这里,从来没有达到更好的吞吐量。LD²FA-PSO提出了(21),通过最优节能数据传输路径和寻找袭击者。E-ALWO设计(22)将数据包路由基于能源和信任。

Multiobjective-based集群以及旗鱼优化器(SFO)提出(23)维护能源效率和延长网络的生命周期。分布式以及优化中引入模糊聚类方法(24)提高数据传输,减少丢包。

SEHR [25)提出了识别攻击,减少网络的丢包率。轻量级以及安全的基于树的路由协议(LSTR)介绍了26),和一个有效的实名认证密钥协商机制用于确保数据从传感器节点路由到基站(BS)。LSTR限制数量的必要的关键一个预加载的传感器节点的永久性私钥。HMBCR方法提出了在27]基础上保证能源效率以及一生的网络。一个节能集群提出了28),收集和传输数据使用更高的包交付率最小的能源消耗。提出了一种混合WGWO-based聚类方法在29日],它结合了两种鲸鱼和灰太狼metaheuristic算法实现更好的集群机制(簇的形成和簇头的选择)的帮助下以动态的方式中继节点。一项新技术,它既考虑能源效率和安全的目的是(30.]基础上,为了防范内部威胁LTMS(轻量级的信任管理方案)二项分布的基础上,提出MSCR(多维集群路由安全)提出了实施安全计划考虑距离的领域,同时能源、安全和环境。

GSA User-independent以及动力技术(引力搜索算法)提出了31日]来衡量最优数量的集群以及建立最好的CH,提高了网络的生命周期。美国银行(蝴蝶优化算法)用于选择最佳CH通过考虑剩余能量,距离和邻居节点和BS,节点中心和程度的节点集合,和ACO(蚁群优化),寻找最优路线提出了基站(32]。南加州爱迪生公司(基于集群的高效能源安全路由)的目的是在[33)实现更高的网络终身有效、安全的包传输的两个阶段。该系统没有达到更高的吞吐量。CEMT(认知节能和可信路由模型)对无线传感器网络的安全性提出了(34),用信任计算算法与改进网络环境安全检测方法基于节点定位恶意行为的重合率增加。

TBSIOP(以信任为基础的安全智能机会路由协议)的目的是在[35)增强包交货率和延迟的性能通过检查中继节点的真实。品质是真诚用于数据转发,发送确认,和能源消耗。灰色wolf-updated鲸鱼优化是实现36)基于集群路由方案选择最佳CH提供更好的能源模式,广播模型和安全模型考虑风险因素的阈值。eeTMFO / GA(节能信任蛾火焰优化和遗传算法聚类算法)是在[设计37为数据传输安全、节能意识。这里,CH使用蛾火焰算法通过使用属性选择集群之间的平均距离、剩余能量,节点密度和延迟。x集成静止(萤火虫群优化)和算法(蚁群优化),即GSO-ACO,提出了(38)节能最优簇头选择考虑到属性能量,延迟,和距离。算法的优点是简单的并行搜索,快速找到良好的解决方案,如新距离,适应变化,确保收敛。静止的事实不需要集中控制使它很容易扩展,而且也有能力快速学习和适用于非线性建模。

能耗问题是集群提高了一个新算法,该算法在无线传感器网络中,传感器节点使用细菌觅食优化算法(39]。通过指定几个节点作为簇头,这种技术鼓励有用的集群网络的出现。当与集群通信,接收数据包从集群中的每个节点,节点采用一步路由协议。集群的头然后将编译后的数据发送给移动汇聚节点通过一个预先确定的路径。ICCHR(连锁酒店忠诚度奖励改善聚类分层路由)算法(40)使用一个阈值设置技术,适合环境长直接部署果园。这里,该算法使用贪婪算法来形成一个连锁的CHs选举产生。然后,基于距离,标签和参与交流。源routing-based地区节能路由协议(ER-SR)是由(41),它使用一个分布式能源地区技术,提出了动态选择高的网络节点剩余能量源路由节点。它只允许部分节点参与路由过程和平衡传感器节点的能量消耗,源路由节点,然后选择最好的来源为每个普通节点路由路径。此外,提出了一种有效的基于距离的蚁群优化技术找到全球理想传输通道为每个节点以减少数据传输的能耗。HCSA(混合乌鸦搜索算法)提出(42从CHs)高效的数据采集,因此提高网络的生命周期。multiobjective-based加权和的方法用于选择一个精确的数据采集节点在圆形细胞集群地区,考虑到距离等因素,沟通成本,剩余能量,覆盖。从集群的头,收集数据路由和动态移动水槽搬迁使用方法。考试的LEACH协议和虫洞攻击如何影响能量耗散,和网络性能的影响43]。部署安全协议,当有超过5 - 8集群头也会影响网络的性能。

安全DMHCET路由协议提出了基于层次聚类技术(44),和多级集群区存在;每个区收集数据和股票与它下面的区域。带状头改变为每个使用剩余的能量以这种方式传播,提供得到更好的保证通道而消耗更少的能量。它保证了可靠的下一跳节点,并将迅速改变路线在发生偏差。蝙蝠算法改革改进的选择从传统方法LEACH簇首节点,并使用FTBA曲线技术开发(FTBA-TC) [45]。FTBA-TC改善英航的全局和局部搜索能力,提高基于FTBA本地搜索功能。实验被用来检查三个替代曲线形式和六个不同的参数组合。LEACH协议,提出了统一的蝙蝠启发式算法(UHBA) (46]。进一步优化集群LEACH,统一采用启发式方法来平衡全局搜索与局部搜索。因此,集群,从基站位于不远,有其集群分布相当均匀。标准的路由协议对于无线传感器网络(WSN)有两个主要目标提出:随需应变和节点行为——基于(ODNB)的路由47]。任意两个节点之间的路由过程开始用户选择。簇头节点在集群网络收集、聚合和传输数据。第二,根据需要执行数据路由,与源和目的节点选择符合应用程序的需求。

有各种限制在每个方法进行了讨论,提出了各种协议的能源意识和安全的,但安全实现精度时,能源成为一个挑战。一些批评人士(研究缺口)如下:(我)作者并没有实现预期的时间包交付;因此,时间延迟增加了。端到端延迟、延迟知道路由节点认证,和吞吐量不实现20.,23,26,28,29日,31日- - - - - -33,39,40,42,45](2)作者并没有利用的能量收集方法有效地提高网络操作,和节能路由不成立;同时,高效metaheuristic复杂性较低的优化并不是为识别开发路由路径(22,25,27,36- - - - - -38,41,43](3)节点的真实性,能源消费对个人的攻击,energy-efficient-secured数据传输、安全传输的优化路径,和攻击在分层网络建设并不是通过作品呈现在文献综述19,21,24,34,35,44,46,47](iv)这种方法没有考虑基本参数,和安全是基于集群的头,它没有烦恼网络中的其他节点(30.]。

根据权限来克服上述局限,本文侧重于实现以下贡献:(我)实现一个高效的数据传输;使用其余的剩余能量的节点选择一个更好的方法为每个集群CH(2)提出一个更好的优化技术在多个目标函数找到最好的最优路径,即距离,能源、信任、和稳定节点之间的链接(3)应用随机抽样选择通用过程优化算法选择当前最佳和位置和速度更新用于查找全球安全数据传输的最佳解决方案(iv)识别最优路由路径实现数据传输,也能帮助提高数据包交付以及减少丢包(v)最后,路由维护过程提高了传输和最小化延迟通过检测替代路由节点之间的链路发生故障时

一个广泛的模拟进行估计的性能提出QIEAC-CSSBO技术并与现有的两个作品泰勒C-SSA [19]和QEBSR [20.]。

3所示。系统模型

在本节中,获得聚类方案量化indexive节能意识clustering-based组合随机抽样蝙蝠的组合优化(QIEAC-CSSBO)提出了以下算法:(i)量化Schutz indexive Linde-Buzo-Gray聚类算法和(2)组合随机抽样Prevosti蝙蝠优化算法。第一部分描述了集群形成的过程与簇头选择使用量化Schutz indexive Linde-Buzo-Gray聚类算法。第二部分详细描述了关于最优路径选择和路由维护使用组合随机抽样Prevosti的蝙蝠优化算法。通过这种方式,传感器节点被分组成更小的集群。因此,最佳的途径是网络中,这使得该计划消耗低功率。网络和能量模型解释部分3.1。

3.1。网络和能量模型

提出QIEAC-CSSBO使用指示图安全的数据传输。有向图的数学模型用于确定两个变量之间的关系。

从图1,加权无向图制定 ,“”表示传感器节点 (士兵)部署在一个平方区” ,”和“”代表的链接(即。,relationship) between the sensor nodes (soldiers). Figure2演示了指示图有五个顶点(即。传感器节点) 和八个边 (即。,links). Each sensor node in the network collects the information or sensitive data packets “ 。“部署传感器节点划分为若干个簇的数量 。网络中的每个节点,我们必须找到多准则(即。,multiobjective) functions such as distance, energy, trust, and link stability between the nodes for secured data transmission. The energy (i.e., initial energy) of the sensor node is estimated based on the product of power and time. It is formulated as given below:

从(2),表示一个传感器节点的能量水平,代表力量,表示一段时间。剩下的能量后的每个过程称为剩余能量和测量:

在(3),表示剩余能量,代表总能量和表明能源消耗。

3.1.1。提出了框架

网络在军事应用程序通常是证实是一个非常合作技术在整个战场。因此,一种新的量化indexive节能意识clustering-based组合随机抽样蝙蝠优化(QIEAC-CSSBO)介绍。QIEAC-CSSBO技术着重于安全作为一种重要的范式进行节能的数据传输。QIEAC-CSSBO技术经历了三个阶段实现能源效率和安全的通信通过集群、最优路由路径识别、和路由维护。

图2说明了QIEAC-CSSBO执行安全、节能的数据传输方案。最初,量化Schutz indexive Linde-Buzo-Gray聚类算法选择簇头”“高效传输的能量水平最优路由路径” 。“最优路径标识使用组合随机抽样Prevosti蝙蝠的安全数据传输的优化算法。如果任何路由失败,另一种路线是确定通过路由维护机制。简短的讨论在接下来的部分将描述三个不同的流程。

3.2。量化Schutz Indexive Linde-Buzo-Gray聚类算法

在第一阶段,QIEAC-CSSBO采用量化Schutz indexive Linde-Buzo-Gray聚类算法基于能量的传感器节点支持提高网络的生命周期。量化的舒兹indexive Linde-Buzo-Gray算法是一个矢量量化算法,基于划分(即大量的传感器节点。向量)团体有一个类似的节点数量最亲近的人。这些节点识别基于舒茨的指数是度量计算相似性的能级和质心集群。

图3说明了流动过程的集群使用量化舒兹indexive Linde-Buzo-Gray算法。首先,整个网络中传感器节点(士兵)(战场)划分是基于他们的能量。

在基础上,每个传感器节点都有相同的能量水平在节点部署。然后,传感节点提供一定的能量,处理和通信的目的。传感与监测后,传感器节点的初始能量降低,然后剩余能量来衡量。下一个。”“数字集群 以及质心 正在初始化。舒茨的指数是用来计算每个集群之间的相似性的质心和每个节点的剩余能量和给出了方程(4), ,“”(方程(5)表明Schutz指数系数,表明测试传感器节点的剩余能量和代表聚类质心。因此,舒茨的指数系数提供结果的范围从0到+ 1。

集群形成基于集群的能级而使用相似性指数的重心。节点具有相似指数是形成不同的集群。聚类后的簇首选择过程提供有效的数据传输以最小的延迟。该方法识别集群从集群成员有较高的能量。

算法1聚类方法解释道。起初,残余能量计算,然后初始化“b”数量的集群。初始化聚类质心到每个集群基于平均能量水平。集群质心之间的相似度和残余能量的测量节点分组为一个特定的集群。相似度越高表明,集群内的传感器节点收集。接下来,簇头选择改善数据传输以及减少延迟。节点选择使用更好的集群成员之间的残余能量CH。它从其他成员收集信息。

3.3。组合随机抽样Prevosti蝙蝠优化算法的安全数据传输

的第二阶段QIEAC-CSSBO算法来找到安全的路径传输数据。WSN没有集中管理或静态的基础设施和使用广播传输通道。正因为如此,网络缺乏干预保护,使他们非常容易受到攻击。黑客可以因此偷听所有流量,发送恶意数据包,重播消息早些时候,或接管一个传感器节点。因此,安全是最重要的在军事通信等应用程序,和两个主要的安全问题是节点身份验证和隐私保护。在这篇文章中,一个新颖的组合随机抽样Prevosti蝙蝠优化算法的处理节点的身份验证的安全需求和安全分析在军事应用对各种攻击。该算法在多维集群智能和找到好的解决方案自动搜索空间。蝙蝠被称为搜索代理,开始找到自己的食物来源在当前位置和速度,其运动的猎物的位置。每个蝙蝠的猎物是最好的位置。这里,蝙蝠是相关的集群,猎物是与多个目标函数相关。 Each bat that finds and catches its prey is said to be in the best location (i.e., best optimal path). An optimal route is found using the bat optimization technique [48),因为它是有效地找出全局最优的解决方案。此外,蝙蝠优化提供了一个非常快速的收敛速度(即。年底,稳定的最优路径发现一系列解决方案)。因此,艾滋病的算法在确定增强数据传输的最佳路径,减少延迟。

该方法初始化集群的人口头(即。蝙蝠), ,在搜索空间(即刺激。与初始位置、网络)和速度紧随其后的健身价值,基于目标函数的计算,包括节点的距离,能源,信任,和链接的稳定性。

让我们考虑二维空间;距离Prevosti表达的两个节点之间的距离。Prevosti的距离是一个度量来找到最近的节点最优路由发现。 ,“”代表一个Prevosti传感器节点之间的距离和 。””表示传感器节点的数量。传感器节点的能量测量使用(6)。

传感器节点监督邻近节点(如传感器节点的信任是一个重要的功能识别不同的攻击类型中最忠实的节点如黑洞,grayhole、洪水、和调度攻击)和应用的信任评估如下考虑:

在(7),节点信任( )评估从数据包转发节点””的数据包传输以及数据从“”到“ 。“估计信任值应该在0和1之间。

最后,稳定稳定因素有助于识别的链接提供长连接的节点之间的联系,减少了丢包。从一个节点的联系到节点(用 )连接一次””,是测量如下:

从(8),表示链接连接时间” ,”表示传感器节点的传输范围,表示两个节点之间的距离和 。节点传输范围的高与距离(即, )。如果连接节点之间的联系比阈值(最大 ),然后节点和连接,稳定在一个特定的链接时间” 。“截止值的阈值函数,和所有测试值等于或大于这个值被认为是一个积极的结果。

基于多个目标函数,健身是一个交易的组合函数的帮助下与最小化问题以及最大化问题,取决于给定的目标函数(即。适应度函数)最小化或最大化。

在(9),表示适应度函数”,“显示最小值函数的参数,是距离,表示剩余能量,代表信任,象征着连接稳定,表示阈值。“n”最好的蝙蝠与随机抽样选择过程普遍选择。这有助于降低算法的复杂性。随机抽样选择过程是一个普遍选择算子用于选择上最好的个人以人群为基础的健康。个人的选择是进行基于概率估计给定:

从(10),选择概率( )估计是基于每个个体适应性”的比例“平均健身的人口th个人” 。“当人口创造多样、健身价值和选择概率也发生了变化。这意味着最好的个体被选中的概率( )。然后,第二个人被选中的概率如下:

同样,第三个人””的概率被选中

同样,所有最好的个人选择,和其他被识别全球最佳解决方案。之后,全球最佳解决方案与当前位置和速度的更新如下考虑。每个人的当前位置取决于健身: 在哪里 表示一个蝙蝠的位置更新,代表一个蝙蝠的当前位置, 显示一个更新速度的蝙蝠,表示当前速度的蝙蝠表明全球最佳解决方案。因此,当前位置的人接近全球健身的最佳解决方案作为最优选择。根据蝙蝠的位置更新,全球最佳路由路径识别源和基站节点之间的数据传输安全、节能。的流程图展示了组合随机抽样Prevosti蝙蝠优化算法的检测越来越安全的全球最佳路由路径如图交付的WSN数据4。

图5显示最优路由路径发现节能和安全的数据传输。首先,源节点与CH传输数据包,并找到另一个最优簇头建立路由路径;这之后,建立了路径。通过这种方式,确定最优路线。提出的算法过程组合随机抽样Prevosti蝙蝠的优化算法描述如下。

算法2提供最优路由路径发现使用组合随机抽样Prevosti蝙蝠的优化技术。提出优化技术首先生成蝙蝠的人口。对于每一个蝙蝠,计算健身节点之间在多个目标函数。随机抽样选择通用程序应用于基于健身选择当前最好的蝙蝠。然后,全球最好的帮助下确定位置和速度更新。最后,最优最佳路由路径来源与基站之间通过CH。然后,发现源点头开始与基站传输敏感数据的数据包。最后,在节点之间的联系被打破,选择节能和安全的邻近节点检测到增强安全的数据以及较小的延迟。

最后,执行路由维护与QIEAC-CSSBO识别最佳路线,故障节点之间的联系。这个路由维护阶段的联系维护保护当数据包的分布。链接优惠活动最优路径,节点发现更快与打破地区(即。,adjacent active node) for improving secure data transmission as well as minimizes the delay.

4所示。性能分析和讨论

仿真与WSN-DS使用NS2.34网络模拟器。考虑模拟网络区域 ,500传感器节点随机部署在网络上。安全域路由协议是用于攻击检测方案。随机路标受雇于流动实现安全的数据传输。时间是300秒,以及传感器节点0-20 m / s的速度范围。提出的数据集用于入侵检测系统是来自https://www.kaggle.com/datasets/bassamkasasbeh1/wsnds。该算法的仿真QIEAC-CSSBO是与现有的方法相比19,20.]。用于仿真的参数表1。

4.1。性能指标

模拟数据提出并分析了现有方法基于以下矩阵像能源消耗,包交货率、丢包率、吞吐量和端到端延迟。

以下4.4.1。能源消耗

它是测量传感器节点的能量消耗的传感数据。整体的能源消耗是数学计算如下考虑: 在哪里表明一个能源消耗,表明一个传感器节点,和“”表示由单个传感器节点的能量消耗 方面的能耗测量焦耳(J)。

4.1.2。包交货率

它是用于测量数据包的数量成功收到总在基站数据从源节点发送数据包。数据包交付比数学计算如下考虑: 在哪里代表一个包交货率,接收到的数据包,表示发送的数据包。执行交货率测量的百分比(%)。在包交货率越高,达到更高的安全方法。

4.1.3。丢包率

它被定义为数据包的数量的比率下降由于总攻击数据包从源节点发送。丢包率计算如下考虑: 在哪里表示丢包率,表示数据包丢弃,表示发送的数据包。丢包率测量的百分比(%)。

4.1.4。吞吐量

它被称为数据包的数量比网络成功单位时间内交付。在数学上,吞吐量估计如下考虑:

从(18),表明吞吐量,表明一个数据包发送比特而言,和表示单位时间以秒为单位。比特每秒的吞吐量是衡量(bps)。

4.1.5。端到端延迟

据估计是预期到达时间之间的差异的数据包目的地和到达时间。端到端延迟是数学上制定如下考虑:

从(19),端到端延迟,表明数据包预计时间,表明一个数据包到达目的地。以毫秒的延迟(ms)。

4.2。仿真结果和讨论

基于上述参数,仿真执行和评估结果比较该方法与现有方法QIEAC-CSSBO泰勒C-SSA [19]和QEBSR [20.]。下面的表和数据描述测量矩阵及其相应的图形表示。

图6(一)和表2描述对数量的传感器节点能耗(即。士兵)。方法,量化Schutz indexive Linde-Buzo-Gray算法形式集群并选择CH基于能量水平,和蝙蝠优化提供了一种快速收敛速度的适应度函数值来源于多个目标函数激励QIEAC-CSSBO找到最优路径与最低的时间通过使用随机抽样选择通用程序。找到最好的个人使用复杂性较低概率估计(方程(9)- (14)),从而提高数据传输以及减少能源消耗。清楚地看到,提出QIEAC-CSSBO方法提供了更好的性能与其他两个相比现有技术。QIEAC-CSSBO的能源消耗减少7%和15%相比,19,20.),分别。因此,节点的生命周期已经大约增加了11%,循序将支持延长整个网络的生命周期。节能方案的一个重要方面,因为电池经常无法改变。

图6 (b)和表3说明泰勒C-SSA QIEAC-CSSBO和现有的性能(19]和QEBSR [20.)技术包交货率。网络的性能将基于数据包的数量估计在水槽节点。因此,网络执行高当其PDR说。蝙蝠在算法优化技术优化选择邻近CH最亲密的距离,更高的残余能量,更高的信任,和更好的链接稳定基于适应度函数(方程(9))和选择概率(方程(10)寻找最优路由路径传输数据的真实性。高信任的节点是用来传输敏感的传播不断的攻击。这个过程可以提高数据传输。的应用组合随机抽样Prevosti蝙蝠优化技术的安全数据传输是强大的攻击者在军事网络。分析该技术的性能与其他两个现有技术,发送的数据包变化从100年到1000年包,和结果表明,包提出系统的交货率提高了2%和5%19,20.),分别。

丢包率的影响会降低网络性能。这发生由于多路径衰落、入侵的妥协节点,节点和能源效率。因此,上述因素必须被控制,以避免丢包损失。这是实现路由发现模块,通过寻找节点的信任(方程(7)决定了节点的可信度和稳定系数的联系(方程(8)决定了节点的稳定性,避免了多径衰落。和适应度函数(方程(9)展示了如何高效和优化是一个节点以安全的方式传输数据。分析该模型的性能与参考模型,数据包从100年到1000年通过网络发送,结果是在桌子上4和图6 (c)。上面的统计测量表明QIEAC-CSSBO高丢包率的相对表现良好。丢包率减少20%和33%相比,19,20.),分别。

吞吐量是最终的性能参数,显示网络的性能与共同努力获得成功的传播(即。,少包交货率和较高的数据传输丢包)。这是实现当一个高能源集群头聚集数据的集群成员,并将其转发到基站通过最优路径的节点与更高的能量。这里,之间的性能分析方法和现有的方法是通过传输数据变化范围从20到200 KB。是观察到数据传输的吞吐量提高了16%和35%相比,泰勒C-SSA [19]和QEBSR [20.),分别如表所示5和图6 (d)。总的来说,吞吐量已增加了26%。这是实现当节点最小距离和更高的能源分为数据传输增加单位时间内传输的数据量。

传感器网络的端到端延迟所花费的总时间数据包从源传输到目的地。因此,如果延误最小,netwrok似乎更好的性能。该组合随机抽样Prevosti蝙蝠优化技术发现一个最优的路线使用更高的链路稳定性和邻近的士兵中检测到的最短路径(方程(6)- (14))。性能分析是通过传感器节点之间传输数据从500节点,节点的时间是表示如表所示6,图6 (e)描述了它以图形化的方式。可以看出QIEAC-CSSBO是最小的延迟相比,11%和20% (19,20.),分别。此外,如果有任何在网络链接失败,QIEAC-CSSBO技术执行路由维护过程选择的另一种选择最优路由路径传递数据包。这有助于减少数据的延迟到达目的地。

5。结论和未来的范围

能源效率以及保护是在分布式传感器网络面临的主要挑战。为了达到这个目标,集群、路由路径发现,和路由维护是由QIEAC-CSSBO技术。首先,量化Schutz indexive Linde-Buzo-Gray算法形成许多集群。紧随其后的是,该算法选择集群中的残余能量较高的CH。节点使用更好的选择剩余能量作为集群头和数据在集群成员向基站转发。之后,最优路由路径标识数据传输使用组合随机抽样Prevosti蝙蝠优化算法。提出的优化算法显示了更好的收敛性和激活基于以下约束,即能量,距离,连接稳定,和信任。因此,QIEAC-CSSBO改善安全的数据传输和最小化延迟。实验评估是进行各种包交货率等性能指标,吞吐量、能耗、丢包和延迟与传统的技术相比。拟议的技术有17%的改善包交货率,降低能源消耗和3%下降率3%; throughput is improved by 27%, and the end-to-end delay is minimized by 10% when compared with the existing methods Taylor C-SSA [19]和QEBSR [20.]。在未来,紧随其后的是最优路由发现,一个高效的加密算法将为保护开发的数据从各种各样的攻击。

在未来,该方法可以进一步扩展到小说certificateless signcryption方法获得最优路由发现的节能数据传输。此外,计算开销指标被认为安全的数据传输。

数据可用性

在传感器网络中,数据集用于入侵检测系统从https://www.kaggle.com/datasets/bassamkasasbeh1/wsnds。没有其他数据集用于这项工作。的作品作为文章中引用的引用是在适当的地方。完整的工作和实现是由我(j . Paruvathavardhini Sargunam)博士的指导下。

的利益冲突

作者宣称没有利益冲突。

确认

我衷心地感谢我的上司b . Sargunam博士,他引导我在这个研究工作。此外,我很高兴r . Sudarmani博士致以感谢,她提供的专业知识在这个研究。