基于传感器的无线网络恶意节点检测研究

发布时间：2022-01-20 03:06

　　无线传感器网络是物联网的一个重要组成部分,因此其安全性是物联网成功部署的关键.针对无线网络的恶意节点问题,设计了一种有效的恶意节点检测算法.该算法不仅能够检测非协作恶意节点,还能有效地检测协作恶意节点.使用仿真实验评估本算法的性能.实验结果表明,与现有算法相比,本算法更能有效地检测恶意节点. 

【文章来源】：西安文理学院学报(自然科学版). 2020,23(04)

【文章页数】：6 页

【部分图文】：

正确全局决策概率与恶意节点数量的关系

具有相同性能的正常节点数量为4,而剩余的6个节点被认为是恶意的.通过仔细地挑选参数T和Δ,以使性能最大化.因此,随机选择一个正常节点,然后评估参数T和Δ对参数 ρ ^ n 的影响.根据公式(11),正常节点的ρn值为0.345.图2展示了置信度为0.99下参数T和Δ之间的关系.用公式(12)计算相应置信度值所对应的最大误差容限.随着置信度的降低,实际估计误差超过最大误差余量的概率会增加.因此,将置信度设置为最大值,即0.99.为了选择适当的T值,相应的Δ值应尽可能小.从图2可以看出,对于当T大于等于150,最大误差为小于等于0.1.因此,在接下来的对比实验中,将T的值设置为1000,以确保产生的误差小于0.04.将本算法与文献[7]中提出的算法进行对比.该算法是基于每个节点与全局决策之间不匹配的数目进行恶意节点检测的,该算法估计每个节点的本地错误检测和错误警报的概率,如果任何估计的概率超过预定义的阈值,则将相应的节点标识为恶意.

在对比实验中,网络由10个节点组成,恶意节点的数量为6,4个普通节点具有不同的本地性能.所考虑的正常节点的局部检测概率分别为0.8、0.6、0.8和0.9,而局部误报概率分别为0.15、0.45、0.25和0.05.图3展示了全局检测概率与全局误报概率的对比.由于文献[7]提出的算法主要是针对非协作恶意节点提出的,而且该算法仅在恶意节点数量较少的情况下才具有较高的性能,因此该算法所获得的整体性能的提高是微不足道的.相比之下,本算法取得了令人满意的结果,因为它能够以低的虚警概率提供高的检测概率.5 结语


本文编号：3598056