基于演化博弈的分簇无线传感器网络恶意程序传播模型的制作方法

技术特征：

1.一种基于演化博弈的分簇无线传感器网络恶意程序传播模型，其特征在于：包括无线传感器网络模型、改进的二维元胞自动机恶意程序传播模型、多人演化博弈模型四个系统模型，其中：

无线传感器网络模型是分簇的无线传感器网络模型，包含n个静态的传感器节点，这些节点以节点密度σ被随机均匀地分布在二维区域内，每个传感器节点最大发射距离为r，该模型中有三种类型节点：基站、簇头节点和终端传感器节点；

二维元胞自动机模型，在该系统模型中，l×l个独立的被称为元胞的对象构成的一种独特方式排列在二维元胞空间中，元胞自动机是由元胞空间、时间变量、元胞邻域、元胞状态集、元胞状态转换函数等组成的；改进的二维元胞自动机恶意程序传播模型是将无线传感器网络中传感器节点的特性划分为以下四种状态：传感器节点处于能正常工作但易被恶意程序感染状态、传感器节点已被恶意程序感染状态、被感染的传感节点经过治疗后从感染状态转化过来，即具有免疫力、传感器节点失去所有的功能的状态；

多人演化博弈模型四个系统模型包括两种攻击情况，一种是恶意程序直接对传感器节点的攻击；另一种是通过已感染的邻居节点采取流行病模型的方式对传感器节点进行传播，针对恶意程序攻击，无线传感器网络中传感器节点采取两种策略，一种是积极应对策略ρ₁，即根据时隙传播信息的特性，让已感染的传感器节点周围的节点进入休眠状态，使得恶意程序不能扩散；另一种是消极应对策略ρ₂，即让恶意程序以流行病模型传播。

2.根据权利要求1所述的基于演化博弈的分簇无线传感器网络恶意程序传播模型，其特征在于：所述终端传感器节点负责感知采集数据并传输给簇头节点进行数据融合；簇头节点是通过竞争产生，由信任值相对较高的节点担任，负责将其管辖区域内接收的信息数据融合直接传输给基站；基站是网络中最强大的节点，负责控制网络和收集数据并管理簇头节点的信任值。

3.根据权利要求2所述的基于演化博弈的分簇无线传感器网络恶意程序传播模型，其特征在于：所述二维元胞自动机模型是根据无线传感器网络结构节点差异度模型而建立的，元胞自动机通过一个四元组来表示(C,P,N,F)，C表示元胞空间；P表示元胞的状态集；N表示元胞邻域；F为元胞状态转换函数。二维元胞自动机恶意程序传播模型包括上述的四部分内容，用公式1表示：

CA＝(C,P,N,F) 式1

1)元胞空间：这里代表l×l个格子单元的二维网格，节点在空间中的位置可以用二维网格中的水平坐标i和垂直坐标j表示；

C＝{(i,j)|1≤i≤l,1≤j≤l} 式2

2)元胞的状态集：包含两个状态集分别为P′和P″，且P＝{P′,P″}，无线传感器网络数据链路层协议的信道访问原则为：当某节点监听到信道空闲后再随机退避一段时间后进行数据发送，当一个节点在发送数据时其邻居节点均不能发送，只有监听到信道空闲后才会尝试发送数据，恶意程序在无线传感器网络中的传播也是遵循该信道访问规则，在二维元胞空间坐标系中任意节点C_ij的信道访问状态为P′_ij(t)＝{0,1}，其邻居的信道访问状态为任意节点C_ij的状态根据改进的流行病模型，可表示为P″_ij(t)＝{2,3,4,5}，具体分析情况如公式3和式4；

3)元胞邻域：

本发明设定每个传感器节点最大的发射距离是r，因此任意节点C_ij的邻域为

在建立的二维元胞自动机模型中，只有属于邻域范围内的节点才可以相互通信；

4)元胞状态转换函数

恶意程序的不同状态下的分别进行函数转化。

4.根据权利要求3所述的基于演化博弈的分簇无线传感器网络恶意程序传播模型，其特征在于：所述胞状态转换函数包括的四种状态所对应的函数转化过程分别为：

(A)节点没有死亡状态

节点C_ij在t时刻的状态是由t-1时刻该节点的自身状态以及与其相邻的节点N_ij状态共同决定的，其基本的状态转换函数为

根据一个簇头节点感染其邻居节点概率φ，以及由感染状态转化为免疫状态的概率α_IR，可得出簇头节点的状态转换函数为

式中，右侧两项最大值为簇头节点当前t时刻的状态变量；表示簇头节点上一时刻处于感染状态，通过t时刻后以概率α_IR被治愈，这个状态转换函数具体描述为

式7中表示在t-1时刻处于健康状态，经过t时刻后转化为感染状态的状态转换函数，具体意义描述为

其中，(1-(1-φ)^x)表示该节点与周围邻居节点x个邻居节点进行通信被感染的概率，即一个健康的簇头节点被处以感染状态的邻居感染的概率，健康的簇头节点被感染的概率随着处于感染状态的邻居节点的数量的增加而增加；x为任意簇头节点进行通信的邻居节点个数，x∈N，其实就是簇头节点的度，x越大表示簇头节点的度越大；

同样地，由一个终端节点感染其邻居节点的概率为以及从感染状态转化为免疫状态的概率β_IR，可得出终端传感器节点状态转换函数为

式10中，等式右侧两项结果的最大值为终端节点当前t时刻的状态变量；y为任意终端传感器节点进行通信的邻居节点个数，同样也表示节点的度，为区分终端传感器节点与簇头节点的差别，这里假设y＝1；表示终端节点上一时刻处于感染状态，通过t时刻后以概率β_IR被治愈，这个状态转换函数具体描述为

式10中表示健康邻居节点被感染过程的状态转换函数，具体描述为

式中，表示终端节点与邻居节点进行通信被感染的概率；

(B)节点出现死亡状态

无线传感器网络中节点可能因为恶意程序的故意破坏或能量消耗殆尽以不同的概率出现节点死亡状态，此时状态转换函数的结果变为0；

有上述分析可知，簇头节点的三种状态:

a)从易感染状态以概率α_SD进入死亡状态；

b)从感染状态以概率α_ID进入死亡状态；

c)从免疫状态以概率α_RD进入死亡状态。

综合以上情况，无论节点在上一时刻处于什么状态，最后结果都为0。而此时要考虑的是节点没有出现死亡状态之前，模型中状态之间要分别以(1-α_SD)、(1-α_ID)、(1-α_RD)的概率进行状态装换，即对没有考虑死亡状态的补充；

类似地，终端簇头节点也有三种相同状态进入死亡状态，所以也要考虑进行状态转换的节点没有出现死亡状态的概率，即(1-β_SD)、(1-β_ID)、(1-β_RD)。

5.根据权利要求1所述的基于演化博弈的分簇无线传感器网络恶意程序传播模型，其特征在于：所述多人演化博弈模型中的演化稳定策略描述为：

在无线传感器网络中易感染簇头节点，设χ(t)＝{χ₁(t),χ₂(t)}表示t时刻的混合策略，其中χ₁(t)是选择积极策略的节点数比例，χ₂(t)是选择消极策略的节点比例，且存在χ₂(t)＝1-χ₁(t)，以下简记χ₁(t)为χ。

易感染簇头节点选择积极策略的期望收益为

μ(ρ₁,χ(t))＝χ[-xθ-υ(1-λ′)α_SIl]+(1-χ)(-θ) 式13

易感染簇头节点选择消极策略的期望收益为

μ(ρ₂,χ(t))＝χ(-xθ-υα_SIl)+(1-χ)(-θ+γε) 式14

易感染簇头节点整体策略的平均收益为

因此，得到无线传感器网络易感染簇头节点动力学的复制动态方程为：

令F(χ)＝0，则复制动态方程中最多有三个稳定状态，分别为

χ₁＝0 式17

χ₂＝1 式18

在无线传感器网络中易感染终端节点，设表示t时刻的混合策略，其中是选择积极策略的节点数比例，是选择消极策略的节点比例，且存在以下简记为χ^*。

易感染终端节点选择积极策略的期望收益为

易感染终端节点选择消极策略的期望收益为

易感染终端节点整体策略的平均收益为

因此，易感染终端节点动力学的复制动态方程为

令F(χ^*)＝0，则复制动态方程中最多有三个稳定状态，分别为