没有合适的资源?快使用搜索试试~ 我知道了~
一种基于安全区域的WSN流量分析聚合方法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 124 浏览量
2022-06-18
11:28:27
上传
评论
收藏 677KB DOCX 举报
温馨提示
试读
18页
一种基于安全区域的WSN流量分析聚合方法.docx
资源推荐
资源详情
资源评论
0 引言
无线传感器网络()正在逐步应用于军事、
工业控制、野生动物栖息地监测、医疗保健、森林防火等领域
。在这些应用中
传感器节点将从物理环境中收集的数据组装在基站()上进行
进一步分析。通过对所收集的数据应用相应的聚合运算符 如计数、最大值、中
值或平均值在数据接收器计算聚合值。基于树的数据聚合
和基于簇的数据聚合
是比较常用的两种数据聚合方案。
近年来为减少网络节点间的数据冗余研究者们开发了各种数据聚合协议。
文献
提出一种基于能量和信任的移动代理数据聚合迁移协议引入信任验证框
架来检测恶意节点。文献
提出一种基于带宽高效聚类的数据聚合方法该方法
研究了基于能量和动态接收器的异构节点网络来采集数据包 通过对随机分布的
节点进行群间和群内聚集以适应数据生成速率获得最优解。文献
提出一种自
适应数据聚合的分析方法该方法利用网络编码提高了基于簇的工作循环无线传
感器网络的能量提高了瓶颈区域的能效。
近年来安全数据聚合技术引起了很多研究者的关注。文献
讨论了
的安全数据聚合并制定了概要扩散方法使用轻量级验证算法来确定包含任何虚
假数据的聚合。文献
提出一种节能安全的数据聚合协议实现了从节点接收数
据的准确聚合并且减少了传感器的开销。文献
提出一种基于离散对数的方法
来实现完全自适应或乘法同态和安全数据聚合。文献
在 中引入了 k
隐私保护数据聚合用来隐藏广泛的聚合函数。文献
提出一种安全的数
据聚合方法可在不使用加密算法的情况下消除冗余传感器读数并在传输过程中
保持了数据隐私和安全性。该方案对明文攻击、中间人攻击和密文攻击都具有
弹性。
文献
为 中的数据完整性实施了秘密数据聚合。文献
为 制
定了分层秘密数据聚合允许使用不同加密密钥聚合加密数据包这减少了通信开
销提高了数据准确性。文献
提出一种联合方法用于检测虚假数据以及无线
传感器网络中机密数据的聚合和传输。文献
为 中的数据聚合设计了一
个安全和隐私保护框架。文献
提出 中数据聚合的最优分配策略设计了
一种用于联合速率控制和调度的分布式算法。文献
设计了一种安全、高效的
数据聚合协议可识别恶意数据聚合器。文献
引入了一种具有持续通信开销
的高效数据聚合方法。该方法对于数据丢失和降低传输成本是稳健的适用于大
型网络。文献
为数据收集引入了节能 !"#$ 协议。该协议可提供更好的分
组传送率并改善了网络寿命。
上述文献研究了 中的数据聚合协议但存在一些安全问题。为克服数
据 聚 合 中 的 安 全 问 题 本 文 提 出 了 一 种 基 于 安 全 区 域 的 流 量 分 析 聚 类 方 法
(%&"#&'()((%"*"#)" )。该方法根据节点之
间的小区中心和能量选择 #$在数据传输时分析节点之间的流量行为 如果流量
急剧增加则将其识别为可能包含虚假数据的恶意节点的路由+然后从安全数据聚
合的路径中识别和消除。本文引入一次性密钥生成方案以隔离恶意节点并将其
添加到块列表中。
1 SAC-TA 方法描述
,网络模型
数据聚合模型如图
所示。大部分 应用中由传感器感测物理环
境的变化然后将感测到的信息报告给 。数据聚合用于解决 中以数据为
中心的路由过程中出现的分解和重叠问题。数据到达位于返回 路径的相同路
由节点时聚合具有相同属性的数据。在恶劣环境中部署传感器网络安全问题、
数据机密性和完整性是数据聚合过程的重要因素。
图
图 1WSN 数据聚合模型
基于安全区域的 "#)" 方法总体流程如图
所示。
图
图 2SAC-TA 方法的总体流程
假设 N 个传感器节点的 随机分布在 M×M-.- 区域。基于如下假
设提出 数据聚合模型:
)接收器在监测区域内具有足够信号能量+
)传感器节点部署在指定区域内+
)节点可以根据接收器与其他节点之间的距离动态调整通信功率+
)节点之间的通信可靠且对称。
,基于区域的聚类
,,节点部署
基于区域的聚类方法使用传感器节点的位置信息部署 传感器节点的坐标
(xi,yi)/0*1被用来计算两个传感器节点之间的距离。对节点进行聚类使节点和
网络的剩余能量最小化、寿命最大化。根据聚类中心和最高剩余能量选择 #$
根据聚类节点与质心之间的最小距离估计聚类中心。数据收集是在传感器节点
到 #$、#$ 到 之间进行的。参考节点之间的距离如公式()所示。
d=(x2−x1)2+(y2−y1)2−−−−−−−−−−−−−−−−−
−√23/04015/*4*1
()
其中(x1,y1)/0*1和(x2,y2)/0*1是参考节点的坐标。
使用二维高斯分布将节点部署在接收器周围。部署的节点由初始能量电池
供电 Eα!6。σ7 表示节点坐标的标准偏差。高斯分布定义如公式()所示。
f(x,y)=12πσ2e−(x2+y22σ2)(/0*1389874/05*71
()
,,集群形成
部署节点之后可形成集群。大多数情况下非集群节点依赖于 #$ 的信号强
度来监视区域中传感器节点基于均匀分布的假设来决定要加入的集群但在实际
情况下很难实现。因为在已聚合的节点中相对大的集群 #$ 能量消耗远大于较
小集群中的 #$ 能量。这导致 #$ 中的能量消耗不平衡对网络寿命造成不利影
响
。本文提出了一种新的聚类形成准则 Va(i,k):/1使 #$ 之间实现更好
的负载平衡。Va(i,k):/1定义如公式()所示。
Va(i,k)=βEki+(1−β)(NC−Sk(i)):/13;!5/4;1/#4/11
()
其中Eki! 是节点 i 在第 k 轮的能量+β; 是用于调整群集大小和 Eki! 影
响的系数+N/C<# 表示均匀分布时每簇的传感器节点数量+Sk(i)/1表示第 k
轮聚合时非集群节点 i 的大小用于决定 i 是否适合加入该集群。因此利用公式
()可选择具有较高剩余能量和较小簇大小的 #$形成最优的集群。这确保了
对 #$ 的更好负载平衡以提高 的总体生存期和性能。
,,最佳 #$ 选择
基于距离测量方法选择 #$。中心节点与其他集群成员节点之间的距离最小
因此位于单元中心的节点被选择为 #$。节点的剩余能量是选择 #$ 的主要条件。
形成簇的节点在小区域内传播并且接收器远离节点。数据聚合具有很好的节能
效果因为节点仅需要最少量的能量来将数据直接发送到 #$而不是将数据发送
到接收器。因此由于能量消耗最小可以推断出更靠近集群的节点。因此根据传
感器节点的剩余能量来选择 #$。
剩余17页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3552
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功