论文研究-无线传感器网络基于信任模型的安全性研究 .pdf

所需积分/C币:10 2019-08-17 09:00:51 451KB .PDF
收藏 收藏
举报

无线传感器网络基于信任模型的安全性研究,潘蕾娜,陶洋,现有的无线传感器网络信任模型极少考虑针对信任体系本身的攻击,因此提出了一种防御信任体系攻击的信任评价模型(DTSA)。首先引入模
山国武获论文在线 下四个步骤: 直接信任因素集 木文从信任值准确性与反映攻击行为的角度出发,选取了四个因素。直接信任的因素集 分别表示数据相关性因素、数据包发送速率因索、数据新鲜 因素、成功交互率因素 直接信仟评价集 可利用对各信仟评价集的隶属度来反映直接信任的人小,节点的某个信仟因素在不同信 任评价集上的隶属度可组成这个节点在该单因素上的模糊向量,此向量可以用来表示节点在 各因素上的信任值评价大小。本文设置了个程度的模糊子集 分别表示节点信任 的不同程度不可信,低可信,中可信,高可信 构造隶属度矩阵和确定权重 节点直接信仼的模糊综合评判的关键步骤就是确定信仼因素在各信仼模糊集上的隶属 度大小。由」梯形和三角形的隶属度函数计算简单以及节点物理资溟有限,木文选取梯形和 三角形表小法构建信任模糊」集的隶属度函数,如图所小。 不可信 低可信中可信高可信 输入变量 图输入变量隶属度 模糊综合评判法中的权重向量 反映了对各信任因素的关注程度, 分别为个信任因素的权重,需满足 本文采用常用的常值权重, 且令 ()模糊综合评价 利用合适的模樹合成算」将模猢权重矢量与隶属度矩阵合成得到各评价对象的模 糊综合评价结果向量,其计算过程如卜: 山国武获论文在线 式中,o为模糊合成算子,为被评价节点从整体上看对信任评价模糊子集的隶属程度。 木文采用加权平均型的·⊕算子。其具有综合程度高、利用的信息充分、体现权重 作用明显的特点。根据·θ算子的定义,的计算公式如下: 然后对评价结果向量进行处理,参考使用模糊向量单值法。给个信任等级依次赋 予数值 ,需要满足<<<。则节点对的直接信任可 通过模糊向量单值法对向量单值化如下 防御开关攻击的直接信任计算 本文从信任值是否具有可预测性入手,分别定义了成功的信任评估与失败的信任评 估。举例来说,如果节点对的直接信任值是,我们就认为下一个周期的直接信任 能够达到或者接近。如果下·周期节点的直接信任值不低于-σ,则认为当前信任 评估是成功的,那么 。如果卜一周期节点的信任值低于-σ,则认为当前信任 评估是失败的,那么 本文设置 σ的值可也根据具体的网终环境来 设定。于是定义控制因子如下: 将控制因子乘以直接信任便可对开关攻击节点的信任值进行控制,且对正常节 点造成的影响比较小,则直接信任的计算公式更新如下 间接信任计算 本文在收集来自其他节点对的推荐信任时,首先对收集到的推荐信任进行筛选,然后 为多个推荐信任分配权值,最后计算出间接信任 间接信任的计算可以表示为 式中,表示对共同邻节点进行筛选后的节点集。表示某个共同邻节点的权值, 表示邻居节点对的推荐信任值 本章在计算间接信任时,会先计算各个节点推荐信任的偏离度,过滤掉偏离量过大 的推荐信任。某个共同邻节点对的推荐信任可计算如下: 山国武获论文在线 式中, 分别表示节点对的直接信任值和节点对的直接信任值 接信仼任真实值的计算如卜: 式中,是由、共同邻节点中的正常节点所构成的节点集,由节点集的元素个数。 本文定义共同邻节点的推荐信任偏离度如下 -∑ 如果的数值越大,那么的推荐信任就越可能是来自恶意节点的虚假推荐。为了保障 推荐信仼的可靠性,设置偏离度门限值ε,过滤掉偏离度>ε的推荐信仼。对于≤ε 的节点,存入集合中。 为了进一步提升间接信任的准确性,本文在己有模型的基础上提出了推荐信任权重分配 方案。本文将为集合中的个节点根据其偏离度大小来分配权权重,偏离程度越小的推荐 信任权重越大。定义集合中节点推荐信任的总偏移度如下: 然后定义集合中节点的总偏离度与任一偏移度之间的数值关系如下 于是,集合中的仟意节点的权重可通过对采取归一化计算得到 最后将式与式带入式中,则间接信任的计算更新如下 综合信任计算 当前综合信任 整合前两小节所得到的直接、间接信任,可以获得节点对的当前综合信任 可通过如下公式得到 式中, 分别为节点对的直接信任和节点对的间接信任。°,θ分别为直 接信任权值和间接信任权值,且φθ;本文令φ=6 综合信任 为了降低信任值的上升速度,防止恶意节点利用持续的正常行为来迅速提高自身信任 值,本文选取上一周期的综合信任值 作为历史因素纳入的计算中。则综合信 任可按如卜公式计算 山国武获论文在线 式中, 为前一个周期,节点对的的综合信任值。为前一周期的综合信任值的权 重,即历史信任的权重。 本文从前后信任差的角度出发,认为当前的综合信任比历史综合信任高的越多,则λ越 接近,即更多的考虑历史综合信任值。反之,如果当前综合信任 本文从前后信任差的角度出发,认为当前的综合信任比历史综合信任高的越多,则λ越 接近,即更多的考虑历史综合信任值。反之,如果当前综合信任比历史综合信任低的越多 则2越接近。令自适应权值A定义如下: B·△ 式中,Δ表示当前综合信仟与上一周期综合信仟 的差,α表示权值λ的值域 范围,B表示权值λ的对信任差Δ的敏感程度,γ表示权值λ的的最小值。a,B和是三 个可调节的参数。α决定了时间哀减因子的值域范围,β决定了时间衰减因木文选取 将带入计算综合信任的公式中,则公式更新如下: 仿真分析 仿真场景 利用对前面提出的模型与 模型、 模型进行对比验证 仿真场景设貿如下:监测区域为 的正方形区域,随机分布个节点,每个通 信半径设置为。为了控制单一变量,某些参数会根据实验日标的不同设置不同的值,这 些参数会在实验中进行说明。 仿真结果分析 信任值变化 考虑 存在不稳定性,如果节点是正常节点,将会以 的儿率完成网内各 项交互与采集任务。如果节点是恶意节点,将会以的几率展开选择性转发与发送虚 假监测数据。、的共同邻节点均为止常节点,并提供貞实的推荐信任,所有节点的信任 初值均为。个信任因素的权重为 ,直接、问接信任的权重为0b。 首先,如果是正常节点,由于其行为的高度可靠性,其信任值会随着网终的持续运行 而不断提高。重复次)取平均值,正常节点的信任值变化趋势如图所示。 如图所示,随着节点持续表现出良好的一面,其信仼值会从初始值逐渐增长到 附近并穩定下来。但是三种模犁的增长速度却不一样,本文提出的模型増长速度最慢。 是通过动态计算良好行为与恶意行为的权重来进行信任更新,持续表现出良好行 山国武获论文在线 为将导致良好行为的权重增大,所以该模型下信任増长速度最快 设置的是固定历 史杈重,因为历史权重偏大所以在信任更新时其增长速度要慢于 。而本文所提 模犁根据前后信任的差佰计算历史权重,在信任更新时会极大的考虑历史信任,所以增长速 度最慢。相比于 与 模型,本模型的信仟收敛周期分别推迟了个和个周 期 评价周期 图正棠节点的信任值变化 其次,恶意节点的信任值变化如图所示,由于恶意节点的持续攻击行为,其信任 值会逐渐降低。从图可以观察到,节点展开攻击以后,三个模聖给出的信任值都会逐渐 降低并稳定在低信任水平。 虽然在信仼增长方面要慢于采用动态历史权重的 模型,但是信仟下降速度却要慢于 模型。相比于 与 模型,本文所 提模型的信任收敛周期分别加快了个与个周期。这是因为 设置的固定历史 权重,增长速度慢的同时,下降速度也很慢。如果节点展廾攻击,前后信仼值差就会使得木 文所提模型极大的偏重于当前信仟,较小的考虑历史信仟,所以信任下降速度最快。 评价周期 图恶意节点的信任值变化 因此,木文所提模型最符合信仼值快速下降和缓慢上升的性质。 抗开关攻击实验 假设攻击节点在前个信任评价周期内表现为正常节点,在到信任周期内表现 为恶意节点,以的几率展开选择性转发与发送虚假监测数据。从信任周期开始停 止攻击,又表现为正常节点,的信任交化曲线如图所示 山图可知,本文提出的模聖最有利于对抗开关攻击。本文所提模型减慢了信仟上升速 度,并加快了信仟值的下降速度。当节点展开攻击以后,需要在很多周期内连续伪装为正 常节点才能把自身信仟提升到一个较高的水平。这使得节点难以把自身信仟水平维持在高 山国武获论文在线 处,其他节点可以更快地识别与隔离此类节点。对整个仿真周期 进行统计,本文所 提模型比 的平均信任值分别下降了 评价周期 图开关攻击的信任变化 图显示了本文所提模犁带控制因子与不带控制因子的差别。由于开关攻击会出现不币 常的信任波动,所以本文从信任波动的角度设计了控制因子,口的是降低开关攻击节点的值 域范围。当引入控制因子后,一旦的信任值出现不正常波动,那么节点的信任值域范围 将会向下平移,因此更有利」降低廾关攻击节点的信任值 本文带控制因子 本立无控制因子 袢价周期 图控制因子对信任值的影响 抗恶嘴攻击与串谋攻击实验 恶嘴攻击与串谋攻击都是从信任模型的间接信任入手,提供不正常的推荐信任数据。在 本实验中,共同邻节点只提供虚假的推荐信仟,而不发动其他攻击。设置到的恶意 推荐率,分别迭代次,观察恶嘴攻击与串谋攻击对间接信任的影响与各模型的防御能 力 一本文 恶意拦荐比例 图恶嘴攻击对间接信任的影响 山国武获论文在线 恶意挂荐比例 图串谋攻击对间接信任的影响 在恶嘴攻击与串谋攻击的实验中,恶意节点都随机地提供推荐信任值给节点。图和图 分别显示了恶嘴攻击和串谋攻击对间接信任的影响,随着恶意推荐比例的增加,各模型得 到的间接信仟与真实间接信仟之间的差值也随之增人。 模型在计算间接信仟时采用 的是加权屮均算法,其间接信任在两种攻击下的凊度损失最大,随着恶意推荐比例的增加, 恶意节点能较大程度的影响间接信任值。而本文和 模型在此两种攻击下的精度损失 较小,与真实值的差距远小于 模型。这是因为者都通过计算偏离度来过滤掉偏离 度过人的推荐信仟。但是恶意节点提供的推荐信任并没有全部被过滤,本文在过滤机制的基 础上,根据各推荐信任的偏离程度来分配不同的权重。这样訫降低了没被过滤的推荐信任的 影响力,从而提升了间接信仼的精度ε将木文所提模型与 模型对比可以得到:恶嘴 攻击和串谋攻击所造成的平均误差分别由和降低到了和 结论 本文提出了一和防御信任模型攻击的信任评价模型 。首先通过模糊综合评判模 型和重新设计的控制因子对节点的直接信任进行计算;然后对各推荐信任进行偏离度测试, 过滤掉偏离度过大的虚假推荐,且对过滤后的节点集进行了权重分配,尽可能地降低恶意节 点对闩接信仼精度的影响;最后根据前后信仼差值设计了自适应历史信仼权值,有效地控制 了信仼值的快速增长,防止恶意节点在短期内快速提升自身信仼值。仿真结果表明木模型与 对比模型相比,廾关攻击节点的平均信任值卜降了 恶嘴攻击和串谋攻击所造成的平 均误差分别由和降低到了 有效地抵御信任模型攻击,提升信任 评估的准确性。 参考文献 山国武获论文在线 刘金鑫无线传感器网络信任评估模型与方法研究北京北京交通大学 姚雷王东豪梁璇等无线传感器网络多层次模糊信仼模型硏究仪器仪表学报 谢季坚刘承平模糊数学方法及其应用第二版武汉华中科技大学出版社

...展开详情
试读 10P 论文研究-无线传感器网络基于信任模型的安全性研究 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
上传资源赚积分,得勋章
最新推荐
论文研究-无线传感器网络基于信任模型的安全性研究 .pdf 10积分/C币 立即下载
1/10
论文研究-无线传感器网络基于信任模型的安全性研究 .pdf第1页
论文研究-无线传感器网络基于信任模型的安全性研究 .pdf第2页

试读结束, 可继续读1页

10积分/C币 立即下载 >