无线传感网中信任安全相关技术研究
发布时间：2020-11-20 00:09
随着物联网技术的飞速发展,物与物、人与人、人与物皆可相连,相连所产生的各种信息的价值越来越高,这些信息吸引了越来越多的恶意攻击者,给网络的安全带来了严重威胁。而作为这些信息的直接获得源头,面向物联网感知层的传感网也不例外,与其他网络不同,传感网的节点能量以及计算能力有限,因此适用于互联网的安全技术无法很好的应用在传感网中,为此需要研究适用于传感网的相关安全技术。目前,针对传感网相关安全技术国内外的很多学者都有所研究,本文对无线传感网络中信任安全相关技术进行研究,所做工作和创新点如下所示:首先,提出异常检测中基于混合式聚类的离群点挖掘算法,将改进后的离群点挖掘技术应用于异常检测中,借助新型的聚类算法找出簇中心,去除小簇型攻击样本,通过重复增加样本并计算节点异常度,从而判断出节点的异常性。其次,提出恶意节点识别DPAM-MD算法,在传统信任阈值判断模型的基础上,通过直接信任值与间接信任值来衡量一个节点的可信度,每隔固定时间求解一次,组成节点的信任值时间序列,改进聚类算法,结合簇内和簇间距离均衡化的目标函数,将节点的信任值序列进行分类,将隐蔽性高,接近基准序列的这一类节点分离出来。仿真实验表明,该方法可以提高聚类质量,有效缩短聚类时间,能够有效识别传感网内的恶意节点,能够对传统的信任阈值模型进行补充。最后,提出基于信誉值的多属性信息素蚁群安全路由算法,传统的蚁群优化算法存在局部收敛,没有考虑节点剩余能量等诸多问题。该算法将节点信任值,剩余能量,通信时延作为信息素,综合考虑节点各方面属性并带入蚁群优化算法的随机比例公式中进行计算,选出最优的数据传输路径。其次,节点信任值由直接和间接信任值组成,其中间接信任值是通过过滤重合率较高的部分节点,改进节点通信行为的更新方式,降低网络能耗,增加节点信任值的可靠性。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP212.9;TN915.08
【部分图文】：
图 4.1 节点类型图点信誉值序列。设在无线传感器网络中任意节点a，经过若干个相信誉值序列就是在每个时间间隔点处的信誉值所组成的 , 1 n 。列相似度。序列相似度是指任意节点a的信誉值序列 A与基准信誉量相似度的方法有很多，例如曼哈顿度量，欧几里得度量，高斯径向ius 范数等。哈顿度量设 1 2,,,i i ipi x x x和 1 2,,,j j jpj x x x是 2 个被 p 个数值属性j之间的曼哈顿度量的定义如（4.1）所示d (i , j ) i1 j 1ip jpx x x x有非负性，同一性，对称性，三角不等式等数学特性。
3,4 这几个值，而时间序列长度取 50,100,150,200,250,300。在实验中我们以信誉评价系统的判断阈值为 0.5 为例进行分析判断。由图4.3和图4.4可以很清楚的看出使用DPAM-MD算法对恶意节点进行识别的过程中，随着输入的时间序列长度的增加，算法对恶意节点的识别度越高，也就是召回率越高，并且时间序列长度越长，正常节点的误判率也越低。由此可以看出时间序列长度越长越好。而对于k 值，当k =2 时算法对恶意节点的识别率处在 3 种情况适中的水平,但是在正常节点的误判率方面表现的最差;对于k =4 时,节点的误判率处于 3 种情况适中的水平,但其恶意节点的识别率很低;只有当k=3 时对恶意节点的识别度最高，正确节点的误判率最低，因此当k 为 3 时算法对恶意节点的识别能力最强。
3,4 这几个值，而时间序列长度取 50,100,150,200,250,300。在实验中我们以信誉评价系统的判断阈值为 0.5 为例进行分析判断。由图4.3和图4.4可以很清楚的看出使用DPAM-MD算法对恶意节点进行识别的过程中，随着输入的时间序列长度的增加，算法对恶意节点的识别度越高，也就是召回率越高，并且时间序列长度越长，正常节点的误判率也越低。由此可以看出时间序列长度越长越好。而对于k 值，当k =2 时算法对恶意节点的识别率处在 3 种情况适中的水平,但是在正常节点的误判率方面表现的最差;对于k =4 时,节点的误判率处于 3 种情况适中的水平,但其恶意节点的识别率很低;只有当k=3 时对恶意节点的识别度最高，正确节点的误判率最低，因此当k 为 3 时算法对恶意节点的识别能力最强。
【参考文献】
本文编号：2890636
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP212.9;TN915.08
【部分图文】：
图 4.1 节点类型图点信誉值序列。设在无线传感器网络中任意节点a，经过若干个相信誉值序列就是在每个时间间隔点处的信誉值所组成的 , 1 n 。列相似度。序列相似度是指任意节点a的信誉值序列 A与基准信誉量相似度的方法有很多，例如曼哈顿度量，欧几里得度量，高斯径向ius 范数等。哈顿度量设 1 2,,,i i ipi x x x和 1 2,,,j j jpj x x x是 2 个被 p 个数值属性j之间的曼哈顿度量的定义如（4.1）所示d (i , j ) i1 j 1ip jpx x x x有非负性，同一性，对称性，三角不等式等数学特性。
3,4 这几个值，而时间序列长度取 50,100,150,200,250,300。在实验中我们以信誉评价系统的判断阈值为 0.5 为例进行分析判断。由图4.3和图4.4可以很清楚的看出使用DPAM-MD算法对恶意节点进行识别的过程中，随着输入的时间序列长度的增加，算法对恶意节点的识别度越高，也就是召回率越高，并且时间序列长度越长，正常节点的误判率也越低。由此可以看出时间序列长度越长越好。而对于k 值，当k =2 时算法对恶意节点的识别率处在 3 种情况适中的水平,但是在正常节点的误判率方面表现的最差;对于k =4 时,节点的误判率处于 3 种情况适中的水平,但其恶意节点的识别率很低;只有当k=3 时对恶意节点的识别度最高，正确节点的误判率最低，因此当k 为 3 时算法对恶意节点的识别能力最强。
3,4 这几个值，而时间序列长度取 50,100,150,200,250,300。在实验中我们以信誉评价系统的判断阈值为 0.5 为例进行分析判断。由图4.3和图4.4可以很清楚的看出使用DPAM-MD算法对恶意节点进行识别的过程中，随着输入的时间序列长度的增加，算法对恶意节点的识别度越高，也就是召回率越高，并且时间序列长度越长，正常节点的误判率也越低。由此可以看出时间序列长度越长越好。而对于k 值，当k =2 时算法对恶意节点的识别率处在 3 种情况适中的水平,但是在正常节点的误判率方面表现的最差;对于k =4 时,节点的误判率处于 3 种情况适中的水平,但其恶意节点的识别率很低;只有当k=3 时对恶意节点的识别度最高，正确节点的误判率最低，因此当k 为 3 时算法对恶意节点的识别能力最强。
【参考文献】
相关期刊论文 前8条
1 张永刚;张思博;薛秋实;;求解约束满足问题的改进蚁群优化算法[J];通信学报;2015年05期
2 赵宏;胡智;闻英友;;基于ACS的无线传感器网络区分服务路由算法[J];通信学报;2013年10期
3 张玲;白中英;罗守山;谢康;崔冠宁;孙茂华;;基于粗糙集和人工免疫的集成入侵检测模型[J];通信学报;2013年09期
4 郭显;冯涛;袁占亭;;编码感知多跳无线网络安全路由协议[J];通信学报;2012年06期
5 蒋畅江;石为人;唐贤伦;王平;向敏;;能量均衡的无线传感器网络非均匀分簇路由协议[J];软件学报;2012年05期
6 胡明霞;;基于BP神经网络的入侵检测算法[J];计算机工程;2012年06期
7 杨光;印桂生;杨武;耿贵宁;;无线传感器网络基于节点行为的信誉评测模型[J];通信学报;2009年12期
8 黄敏明;林柏钢;;基于遗传算法的模糊聚类入侵检测研究[J];通信学报;2009年S2期
本文编号：2890636
本文链接：https://www.wllwen.com/kejilunwen/wltx/2890636.html
