一种建立水下传感器网络中多维度信任模型的方法
【专利摘要】本发明涉及一种建立水下传感器网络中多维度信任模型的方法，其步骤包括：首先，在每个时间窗口中，分别独立计算链路信任、数据信任和节点信任，根据水声信道模型、信号调制方式和差错控制策略建立通信链路信任，基于邻居节点感知数据相似度的特性进行数据信任的计算，根据节点诚实度和节点能力建立节点信任；其次，基于链路信任、数据信任和节点信任之间的逻辑关系，根据模糊逻辑方法计算链路中间信任、数据中间信任和节点中间信任，并在中间信任值的基础上，建立时间衰减函数，结合动态的水流环境，对链路信任、数据信任和节点信任进行实时更新，本发明能够在复杂的水下环境中有效评估节点的信任值，实时提高网络的安全性。
【专利说明】一种建立水下传感器网络中多维度信任模型的方法
【技术领域】
[0001] 本发明涉及一种建立水下传感器网络中多维度信任模型的方法，属于水下传感器 网络信任管理【技术领域】。
【背景技术】
[0002] 近年来，水下传感器网络已经广泛应用于海防、水下勘探、水下探测及监视等领 域。随着水下传感器网络应用的日益复杂，其安全需求也呈现多样性。传统的基于密码体系 的安全机制主要用于抵抗外部攻击，无法有效解决由于节点被俘获而发生的内部攻击。而 且由于传感器节点能力所限，网络中往往采用基于对称密码算法的安全措施，当节点被俘 获时很容易发生秘密信息泄露，如果无法及时识别被俘获节点，则整个网络将被控制。在实 际应用中，水下传感器网络常常被部署无法实施物理保护的环境中，节点被俘获的现象极 易发生，这就需要有效机制及时识别被俘获节点，有针对性地采取相应措施以减小系统损 失。
[0003] 信任管理被认为是对传统的基于密码体制安全措施的有效补充，在对等网络、网 格以及普适计算等环境中已被广泛研究。信任模型在抵抗内部攻击、识别恶意节点、自私节 点及低竞争力节点等方面发挥着重要作用，可应用于安全路由、安全定位、数据融合等方面 的研究，用以提高系统的安全性、可靠性和公平性。
[0004] 经对现有文献检索发现，目前尚未有针对水下传感器网络信任管理的研究，但是 针对陆上无线传感器网络（WSNs)环境的信任模型的研究较多，相关文献如下：
[0005] 1、2004 年，Ganeriwal 等人首次在《Reputation-based Framework for High Integrity sensor Networks》中，提出适用于WSNs的基于信誉的信任管理框架 RFSN(Reputation based Framework for Sensor Networks)，主要包括watchdog和信誉系 统两个模块。采用watchdog机制监视节点行为并将其划分为合作/不合作行为。输出结 果送入信誉系统模块进行信誉的表示、更新、整合，最终生成节点信任值，并根据设定的阈 值进行决策。信誉值的计算采用贝叶斯公式，并假定先验分布为Beta分布或Dirichlet分 布，节点的信任值为信誉值的期望值。RFSN管理框架比较完整，提出了用于监视节点行为 的Watchdog机制，可应用范围广，灵活性好，但是不能有效抵抗恶意或预谋的攻击行为，如 外来节点有意篡改感知数据的攻击。
[0006] 2、2005 年，Yao 等人在《A Security Framework with Trust Management for sensor Networks》中，提出了传感器网络中基于信任管理的安全框架，包括应用描述、网络 输入/输出、信任管理、安全响应4个逻辑组件，其中信任管理采用分布式的信任模型，首先 分别计算直接信任值和推荐信任值，再由二者加权得到综合信任值。该模型没有考虑数据 因素，认为每个节点都存在推荐节点这个假设条件也并不完全成立，并且，在信任计算过程 中，采用了密码操作，例如，使用哈希序列值证实信息是否来自基站，使用消息认证码判断 报文的完整性等，这些操作都使得算法的复杂度上升。
[0007] 3、2007 年，Matthew 等人在中《Statistical Trust Establishment in wireless Sensor Networks》，采用统计学的方法计算WSNs中的信任值，以减少故障节点和恶意节点 的影响。首先计算统计学上的信任值，然后根据节点直接和间接的经验建立基于此信任值 的置信区间。建立置信区间同时考虑了节点的直接经验记录条目和其他节点的间接经验记 录，但是，经验条目包含内容较多，而每个节点保存邻居节点的多个经验条目，需要较大的 缓存器。该模型适用于故障节点和妥协节点，但是没有考虑恶意节点的诸如窃听、假冒、拒 绝服务等攻击。
[0008] 4、2〇〇9 年，Chen 等人在《Task-based Trust Management for Wireless Sensor Networks》中提出基于任务的信任模型，在传感器网络中，节点不仅负责传输数据，更重要 的是感知、采集数据，每个传感器节点都承担着不同的任务，因此，Chen等人针对不同邻居 节点间的不同任务分别计算信任，该信任模型包括三个模块：检测模块，信誉评估模块和信 任计算模块。由于每个节点都需要时刻保持对邻居节点所有任务的监听，因此，该信任模型 能耗较大，同时需要记录不同任务的信任值，占用存储空间也较大。
[0009] 5、2011 年，Rahhal 等人在《A Novel Trust-Based Cross-Layer Model for Wireless Sensor Networks》中提出基于跨层设计的信任模型，首先，利用watchdog机制监 视邻居节点行为，并根据发送的数据包总数和邻居节点正确转发的数据包的个数，计算邻 居节点的信任值和该信任值的可信度，再利用数据连路层和TCP层的ACK数据包对信任进 行更新。
【发明内容】
[0010] 本发明所要解决的技术问题是：在随机部署的水声传感器网络中，根据传感器节 点之间的信息交互计算通信链路、传输数据以及传感器节点的信任值，建立时间衰减函数 对通信链路、传输数据的信任值进行更新，并根据水流的影响对传感器节点的信任值给予 动态更新。
[0011] 为了达到上述目的，本发明是通过以下技术方案实现的：
[0012] 一种建立水下传感器网络中多维度信任模型的方法：包括以下步骤：
[0013] 步骤一：初始信任值计算。信任模型的建立过程中，首先基于水环境的动态特性建 立滑动时间窗机制[A A t2，...，A tn]，时间窗的大小可根据具体的水环境应用进行动 态调整；在每个时间窗Ati中，根据水声信道模型，计算相互通信的传感器节点之间的链路 f目任值Tlink、数据信任值Tdata以及节点信任值任值由[0, 1]之间的数字表不，信任 值大于0. 5表示可信，小于0. 5表示不可信；
[0014] 步骤二：中间信任值计算。根据链路信任、数据信任、节点信任三者之间的逻辑关 系，基于模糊逻辑方法，在步骤一的链路信任值T link、数据信任值Tdata以及节点信任值Tn(xte 的基础上，分别计算链路中间信任值Tint^、数据中间信任值TintOT_d以及节点中间信任值 T?
[0015] 步骤三：信任值更新。考虑水流因素的影响，节点运动到新的位置允许信任迁移， 建立时间衰减函数，并根据所述步骤二计算出的链路中间信任值、数据中间信任值 T inte-d以及节点中间信任值Tinte_n，分别更新所述步骤一中计算出的链路信任值T link、数据 信任值Tdata以及节点信任值TMde。
[0016] 上述步骤一中，通信链路信任值的计算方法如下：
[0017] (2-1)计算链路传输的错误率。首先根据水声信道模型，可以得到信道信噪 比SNR和误比特率P bOT ;在不考虑信道干扰的情况下，可以获得链路传输错误率为PpOT = 1-(1-Pb")n，其中n是每个数据包中的bit数。而当存在信道干扰时，可采用前向纠错编码 进行差错控制，此时获得的链路传输错误率为P p" = l-(l_Pbl")m，其中PblCT是分组错误率， m是数据包中的有效负载长度，
【权利要求】
1. 一种建立水下传感器网络中多维度信任模型的方法，其特征在于：包括以下步骤： 步骤一：初始信任值计算 信任模型的建立过程中，首先基于水环境的动态特性建立滑动时间窗机制[At1,At2,. ..，Atn]，时间窗的大小可根据具体的水环境应用进行动态调整；在每个时间窗Ati 中，根据水声信道模型，计算相互通信的传感器节点之间的链路信任值Tlink、数据信任值 Tdata以及节点信任值Tnmte，信任值由[0，1]之间的数字表示，信任值大于0.5表示可信，小 于0. 5表不不可信； 步骤二：中间信任值计算 根据链路信任、数据信任、节点信任三者之间的逻辑关系，基于模糊逻辑方法，在步骤 一的链路信任值Tlink、数据信任值Tdata以及节点信任值Tmde的基础上，分别计算链路中间信 任值TintU、数据中间信任值TintOT_d以及节点中间信任值TintOT_n ; 步骤二：信任值更新 考虑水流因素的影响，节点运动到新的位置允许信任迁移，建立时间衰减函数，并根据 所述步骤二计算出的链路中间信任值Tint^1、数据中间信任值TintOT_d以及节点中间信任值 Tinte_n，分别更新所述步骤一中计算出的链路信任值Tlink、数据信任值Tdata以及节点信任值 T 丄node〇
2. 根据权利要求1所述的--种建立水下传感器网络中多维度信任模型的方法，其特 征在于：所述步骤一中，通信链路信任值的计算方法如下： (2-1)计算链路传输的错误率 首先根据水声信道模型，可以得到信道信噪比SNR和误比特率PbCT ;在不考虑信道 干扰的情况下，获得链路传输错误率为Ppct = 1 -（I-PbJn，其中η是每个数据包中的 bit数；而当存在信道干扰时，可采用前向纠错编码进行差错控制，此时获得的链路传输 错误率为Pp" =l-(l_PblJm，其中Pbl"是分组错误率，m是数据包中的有效负载长度，
〔中Ib是分组长度，1。是可纠错的bit位数； (2-2)计算链路传输的丢包率 链路是否能够成功传输一个数据包用参数ω表示，成功传输一个数据包标示为1，否 则标示为0,在一个时间窗Ati内，链路成功或者失败传输数据包的情况记录为link= (1, Xi ;直接获得链路传输的丢包率为?给每 t η 个参数ω(i)定义权重值为w(i) =i，并将其归一化处理得到
连路传输的 丢包率为
；同时通过ARIMA预测模型对链路丢包率进行实时预测，避免 恶意节点的影响； (2-3)评估链路质量 根据（2-1)和（2-2)中链路传输的错误率和丢包率，在时间窗Ati内，可以得到链路 质量LQ⑴的计算为LQ⑴=(1-PpJXPpu (2-4)评估链路能力 在时间窗Λti内，将链路能力LC(i)定义为
;其中，nuse(i)是在时间窗Λ&内链路被使 用的次数，n_(i-l)是在前一个时间窗内链路被使用的次数，N_(i)是链路的最大 可能被使用次数，为了避免恶意节点过度使用链路来提高链路能力，定义约束条件为 |n_(i)-nuSe(i-l)|彡Θ，当链路在两个相邻时间窗内的被使用次数不超过一定的阈值 时，将链路能力定义为*反之，如果链路在两个相邻时间窗内的被使用次数相差较 大，链路能力的评估将不做更新，LC(i) =LC(i-l); (2-5)计算链路信任值Tlink 根据（2-3)和（2-4)中评估的链路质量和链路能力，得到链路信任值Tlink的计算为
,即当链路质量较差，即时，即使链路能力很 强，该链路也被认为是不可信的，链路信任值定义为LQXIX，当链路质量较好，即LQ> 0. 5 时，定义链路信任的计算为：Tlink = 0. 5+(LQ- 0. 5)XIX。
3. 根据权利要求1所述的一种建立水下传感器网络中多维度信任模型的方法，其特征 在于：所述步骤一中，数据信任值的计算方法如下： (3-1)计算数据的可信度，邻居节点对同一事件的感知数据服从正态分布，感知数据的 可信度Tdata为，
其中Vd是感知数据值的大小，f(x)感知数据正态分布的密度函数，μ是均值； (3-2)在根据（3-1)计算数据信任之前，先基于MD规则对数据进行过滤，之后再平均 得到数据均值，进而计算数据信任值。
4. 根据权利要求1所述的一种建立水下传感器网络中多维度信任模型的方法，其特征 在于：所述步骤一中，节点信任值的计算方法如下： (4-1)如果由节点a计算邻居节点b的信任值，那么节点a为请求节点，节点b为目标 节点Thnum ;首先定义参数Thnum为节点之间的通信阈值，如果节点a与b之间的历史通信次 数大于阈值Thnum，则根据b的节点诚实度NH和节点能力NC直接计算得到目标节点的信任
(4-2)如果请求节点a与目标节点b之间的历史通信次数小于阈值Thnum，则请求节点a需要向二者共同的邻居节点c广播信任推荐请求包，将满足以下两个条件的邻居节点c定 义为推荐节点：1)邻居节点c本身可信，即信任值大于0.5,2)目标节点与邻居节点c之间 的通信链路可信，即链路信任值大于〇. 5 ; 由推荐节点C提供的关于目标节点b的信任值Tb。定义为推荐信任值，定义推荐信 任值的可靠性Tm1对其是否可信进行判别，=I^ITL1|^其中是所有推荐信 任值的平均值；根据推荐节点提供的推荐信任值及其可靠性，得到节点的推荐信任为
(4_3)最终得到节点信任的计算彡
I其中Srrew是成 功传输数据包的次数，假设节点中记录的成功和失败传输数据包的次数分别为s和f， 其中数据包的丢失可能是由不稳定水声链路或者恶意节点造成的，而在（2-2)中计算 出的由于不稳定链路导致的丢包率为P#，因而得到更新后的数据包成功传输的次数为 s_=i +-4IWdirart和分别是直接信任和推荐信任的权重值，满足Wdirarte[〇, 1]， S J Wrecom ^ [0,1] ? ^direct^^recom °
5. 根据权利要求1所述的一种建立水下传感器网络中多维度信任模型的方法，其特征 在于：所述步骤二中，中间信任值的计算方法如下： (5-1) /[目任模糊化 利用模糊逻辑方法，计算链路中间信任值Tint^1、数据中间信任值TintOT_d和节点中 间信任值Tinte_n，首先将信任值划分为五个模糊集，1完全不可信，trustvaluee[〇， 0· 25)，2 不太可信，trustvaluee[〇· 25,0· 5)，3 不确定，trustvalue= 0· 5,4 比较可信， trustvaluee(0.5,0.75]，5 完全可信，trustvaluee(〇.75，1]; (5-2)模糊逻辑推理 建立模糊规则R，链路中间信任值Tint^1根据数据信任值Tdata和节点信任值Tnmte获得Tintert= (TnodeXTdata)OR，数据中间信任值下化^根据链路信任值Tlink和节点信任值Tnode 获得Tinte-d =OmdeXTlink) 〇R，节点中间信任值TintOT_n根据链路信任值Tlink和数据信任值 TdataTinter_n = (TlinkXTdata)OR； (5-3)精确化计算 对（5-2)中得到的TintOT_d进行反模糊化可以得到精确的链路中间信任值，用同样的方 法可以获得数据中间信任值Tinte_d和节点中间信任值Tinte_n。
6. 根据权利要求1所述的一种建立水下传感器网络中多维度信任模型的方法，其特征 在于：所述步骤三中，更新信任值的计算方法如下： (6-1)建立时间衰减函数CJderay =exp(_δX(t-tj)，其中δ是衰减因子，t是当前时 亥IJ，h是上一次信任计算的时刻； (6-2)链路信任值更新为 Tlink⑴= ^decayr^link(i-1) + (1-ωdecay)Tin一其中Tlink (i-1) 是在上一个时间窗口中计算出的链路信任； (6-3)数据信任值更新为Tdata(i) =c〇decayTdata(i-l) + (l-?decay)Tinter_d，其中Tdata(i_l) 是在上一个时间窗口中计算出的数据信任； (6-4)节点信任值更新 对时间衰减函数进行重新定义；首先，定义节点a和节点b之间的熟知度为 ? ΛΜ: ,其中nab是节点a和节点b成功通信的次数，na是节点a与所有邻居节点 ", 通信的次数，β是通信次数的调节因子，将时间衰减函数重新定义为ω decay =exP(_ 5X(t_t〇)X(I-RM))， 节点信任值更新为Tmde (i) =ωdeeayTMde (i-1)+ (I-ω_)τ__η，其中TnmJi-I)是在上 一个时间窗口中计算出的节点信任值。
【文档编号】H04W24/06GK104469836SQ201410683493
【公开日】2015年3月25日 申请日期:2014年11月24日 优先权日:2014年11月24日
【发明者】江金芳, 韩光洁, 朱川, 王峰 申请人:河海大学常州校区