一種移動無線傳感器網(wǎng)絡(luò)抵御蟲洞攻擊MCL算法*

池玉辰,鄧 平

(西南交通大學(xué)信息編碼與傳輸重點(diǎn)實(shí)驗(yàn)室,成都 610031)

?

一種移動無線傳感器網(wǎng)絡(luò)抵御蟲洞攻擊MCL算法*

池玉辰,鄧 平*

(西南交通大學(xué)信息編碼與傳輸重點(diǎn)實(shí)驗(yàn)室,成都 610031)

MCL算法作為MWSN的一種經(jīng)典定位算法,其安全性還欠缺考慮,為了使MCL算法能抵御蟲洞攻擊,分析了MCL機(jī)制及蟲洞攻擊對MCL性能的影響,在此基礎(chǔ)上提出了一種能抵御蟲洞攻擊的安全MCL算法—DewormMCL。該算法利用節(jié)點(diǎn)的移動性有效識別錨節(jié)點(diǎn)信息,剔除掉偽錨節(jié)點(diǎn)信息,且不需要額外的硬件支持,也不會增加通信開銷。仿真結(jié)果表明,該安全定位算法對蟲洞攻擊具有較好的抵御性;隨著算法的收斂,遭受蟲洞攻擊的MCL性能逐漸恢復(fù)正常,在文中的仿真條件下,定位誤差從0.45r降到0.4r,定位率從80%提升到90%。

MWSN;MCL;蟲洞攻擊;DewormMCL;移動性

移動無線傳感器網(wǎng)絡(luò)MWSN(Mobile Wireless Sensor Networks)是一種特殊的無線傳感器網(wǎng)絡(luò),節(jié)點(diǎn)的可移動性是其關(guān)鍵特征。目前,MWSN主要應(yīng)用于監(jiān)測和定位追蹤[1-2]。由于傳感器節(jié)點(diǎn)資源受限,并且常常被部署于無人看守的環(huán)境,有的甚至部署于敵對戰(zhàn)場,MWSN相比傳統(tǒng)的無線傳感器網(wǎng)絡(luò)更容易受到攻擊,MWSN的安全定位已成為一個亟待解決的關(guān)鍵問題。MWSN中可能遇到的典型攻擊包括欺騙攻擊、蟲洞攻擊和女巫攻擊等,現(xiàn)有MWSN安全定位技術(shù)研究主要集中在抵御欺騙攻擊方面,對抵御蟲洞攻擊的研究還未見過相關(guān)文獻(xiàn)。蒙特卡洛定位[3](Monte Carlo Localization,MCL)法作為MWSN的經(jīng)典定位算法已得到深入研究,國內(nèi)外學(xué)者在此基礎(chǔ)上衍生出很多新的定位算法[4-7],這些算法雖然改善了定位性能,但目前還很少考慮安全定位的問題。為了使MCL算法能有效抵御蟲洞攻擊,本文開展了具備抵御蟲洞攻擊能力的MCL算法的研究。

1 相關(guān)工作

現(xiàn)有文獻(xiàn)對MWSN的安全定位問題研究得較少,文獻(xiàn)[8-10]提出了抵御欺騙攻擊的MWSN定位算法。文獻(xiàn)[8]中提出的SecMCL算法首次考慮了MCL的安全性,SecMCL采用消息認(rèn)證和新的采樣方式來抵御欺騙攻擊。它包括兩個過程:與MCL相同的過程和新的采樣過程,在沒有攻擊的情況下,MCL能得到足夠的樣本點(diǎn),因此該算法只會執(zhí)行MCL,直接跳過第2個過程;當(dāng)存在欺騙攻擊時(shí),在執(zhí)行完MCL的預(yù)測和濾波階段后可能得不到足夠的合法樣本,這時(shí)就要執(zhí)行新的采樣過程,保留與最多錨節(jié)點(diǎn)信息一致的樣本,減小攻擊對定位的影響。該算法對節(jié)點(diǎn)的存儲和計(jì)算能力要求較高。文獻(xiàn)[9-10]提出把梯度下降法運(yùn)用于MWSN的節(jié)點(diǎn)安全定位用來抵御欺騙攻擊,該算法首先利用定位節(jié)點(diǎn)的位置信息和測量到的信息構(gòu)造合適的代價(jià)函數(shù),采用迭代梯度下降算法最小化代價(jià)函數(shù),使節(jié)點(diǎn)的位置估計(jì)達(dá)到LS估計(jì),然后剔除掉有較大殘差的“力矢量”,使定位節(jié)點(diǎn)的估計(jì)位置逐漸逼近真實(shí)位置。此算法不需要錨節(jié)點(diǎn)參與定位,得到各個節(jié)點(diǎn)的相對位置后,通過3個節(jié)點(diǎn)的具體位置就可以知道每個節(jié)點(diǎn)的絕對位置,算法的計(jì)算復(fù)雜度較低,但迭代次數(shù)較多,網(wǎng)絡(luò)覆蓋范圍較小。

近年來,蟲洞攻擊已成為一個研究熱點(diǎn),常見的檢測和抵御方法可以歸納為3類:①基于對數(shù)據(jù)包時(shí)間和空間分析的方法。文獻(xiàn)[11]采用RTT來檢測兩個節(jié)點(diǎn)是否為真實(shí)鄰居,文獻(xiàn)[12]采用定向天線來防御蟲洞攻擊,每個節(jié)點(diǎn)通過檢查所接收信號的來源方向進(jìn)行鄰居判定,只有雙方的方向匹配,才能確定鄰居關(guān)系;②基于統(tǒng)計(jì)分析的方法。主要統(tǒng)計(jì)蟲洞鏈路出現(xiàn)的頻率和鄰居節(jié)點(diǎn)個數(shù),由于蟲洞鏈路是一條高質(zhì)量路由,所以在路由表中出現(xiàn)的比例很大,文獻(xiàn)[13]通過統(tǒng)計(jì)鏈路的使用頻率來確定是否遭受蟲洞攻擊,文獻(xiàn)[14-15]通過統(tǒng)計(jì)鄰居節(jié)點(diǎn)的個數(shù)分布來確定是否遭受蟲洞攻擊;③基于鄰居信任評估的方法。文獻(xiàn)[16]通過引入信任模型,收集鄰居以往信息作為信任評估的經(jīng)驗(yàn),然后根據(jù)模型對鄰居關(guān)系進(jìn)行可信評估,在選擇路由時(shí),選取高可信度的鄰居作為下一跳,繞開蟲洞鏈路。這些方法中有的依靠了特殊硬件,有的增加了算法開銷,有的對存儲和計(jì)算能力要求較高,都不適用于MWSN中的蟲洞檢測與防御。因此,本文在分析蟲洞攻擊對MCL算法定位性能影響的基礎(chǔ)上,提出了一種能抵御蟲洞攻擊的MCL算法。

2 MCL機(jī)制分析

Step 1(預(yù)測階段):在已知上一時(shí)刻節(jié)點(diǎn)的可能位置時(shí),節(jié)點(diǎn)在當(dāng)前時(shí)刻所在位置的分布為均勻分布:

(1)

圖1中盲節(jié)點(diǎn)N1從Pt-1移動到Pt,在時(shí)刻t,節(jié)點(diǎn)利用t-1時(shí)刻的采樣集合Lt-1及最大速度vmax產(chǎn)生新的采樣集合Lt:新采樣點(diǎn)lt在以舊采樣點(diǎn)lt-1為圓心,vmax為半徑的實(shí)線圓盤區(qū)域隨機(jī)選取。

圖1 MCL示意圖

Step2(濾波階段):節(jié)點(diǎn)根據(jù)所偵聽到的一階和二階錨節(jié)點(diǎn),從Lt中移出所有不可能的位置(使得p(lt|ot)=0的lt)。假設(shè)S表示節(jié)點(diǎn)偵聽到的所有一階錨節(jié)點(diǎn)集合,T表示節(jié)點(diǎn)偵聽到的所有二階錨節(jié)點(diǎn)集合。樣本的濾波條件為:

filter(l)=

(?s∈S,d(l,s)≤r)∩(?s∈T,r

圖1中,節(jié)點(diǎn)在t時(shí)刻偵聽到一階錨節(jié)點(diǎn)S1,二階錨節(jié)點(diǎn)S2和S3,符合條件的樣本落在網(wǎng)格區(qū)域內(nèi)。

Step3(重采樣階段):濾波后,Lt中的采樣點(diǎn)可能小于N,隨后預(yù)測和濾波過程會重復(fù)進(jìn)行,直到采樣集合滿了或達(dá)到最大采樣次數(shù)。

(2)

3 蟲洞攻擊對MCL性能的影響

蟲洞攻擊具有隱蔽性大、攻擊力強(qiáng)等特點(diǎn),通常由兩個以上的惡意節(jié)點(diǎn)共同協(xié)作完成攻擊,兩個處于不同區(qū)域的惡意節(jié)點(diǎn)會互相將接收到的定位信息,經(jīng)過私有的通信信道(蟲洞鏈路)傳遞給另一個惡意節(jié)點(diǎn),然后重放[17]。它分為隱式攻擊和顯示攻擊,文中討論的是隱式蟲洞攻擊。

如圖2所示,當(dāng)錨節(jié)點(diǎn)S收到定位請求后,S廣播自身信標(biāo),盲節(jié)點(diǎn)N1、N2和N3正常接收,蟲洞節(jié)點(diǎn)W1接收到后會經(jīng)過蟲洞鏈路傳給蟲洞節(jié)點(diǎn)W2,隨后在另一個區(qū)域的W2重放此信標(biāo),這時(shí)盲節(jié)點(diǎn)N4和N5都會收到,它們會誤認(rèn)為S為其一階錨節(jié)點(diǎn),由于兩個區(qū)域相距較遠(yuǎn),此時(shí)收到的不準(zhǔn)確錨節(jié)點(diǎn)信息會給定位造成嚴(yán)重影響。

圖2 蟲洞攻擊示意圖

MCL利用一階錨節(jié)點(diǎn)和二階錨節(jié)點(diǎn)信息進(jìn)行定位,蟲洞攻擊對盲節(jié)點(diǎn)定位的影響分兩類情形:①盲節(jié)點(diǎn)周圍既存在真實(shí)的錨節(jié)點(diǎn),也存在虛假的錨節(jié)點(diǎn)—偽錨節(jié)點(diǎn),②盲節(jié)點(diǎn)周圍只存在偽錨節(jié)點(diǎn)。

圖3(a)和3(b)是第1類情形,分為兩種情況:盲節(jié)點(diǎn)分別是蟲洞節(jié)點(diǎn)的一階鄰居和二階鄰居。圖3(a)中盲節(jié)點(diǎn)N1是蟲洞節(jié)點(diǎn)W1的一階鄰居,S1和S2是N1的真實(shí)一階錨節(jié)點(diǎn),S3、S4和S5是真實(shí)二階錨節(jié)點(diǎn),在蟲洞攻擊的影響下,S6和S7成為N1的偽一階錨節(jié)點(diǎn),S8和S9成為偽二階錨節(jié)點(diǎn);圖3(b)中N1是W1的二階鄰居,S1和S2是它的真實(shí)一階錨節(jié)點(diǎn),S3、S4和S5是真實(shí)二階錨節(jié)點(diǎn),S6和S7成為N1的偽二階錨節(jié)點(diǎn)。

圖4(a)和4(b)是第2類情形,也有上述兩種情況。圖4(a)中N1是W1的一階鄰居,S1和S2成為N1的偽一階錨節(jié)點(diǎn),S3和S4成為偽二階錨節(jié)點(diǎn);圖4(b)中N1是W1的二階鄰居,S1和S2成為N1的偽二階錨節(jié)點(diǎn)。

從上述分析可以看出,當(dāng)盲節(jié)點(diǎn)處于蟲洞節(jié)點(diǎn)兩跳范圍內(nèi)時(shí)會受到蟲洞攻擊的影響,因此把這個區(qū)域稱為蟲洞區(qū)域,如圖5中陰影區(qū)域所示,其他區(qū)域稱為非蟲洞區(qū)域。

圖3 第1類蟲洞攻擊情形

圖4 第2類蟲洞攻擊情形

圖5 蟲洞區(qū)域示意圖

當(dāng)錨節(jié)點(diǎn)密度較大時(shí),第1類情形容易發(fā)生,處于蟲洞區(qū)域的盲節(jié)點(diǎn)收集到不一致的錨節(jié)點(diǎn)信息,對MCL影響表現(xiàn)為得不到合法的樣本,致使原本可以定位的節(jié)點(diǎn)無法定位,降低節(jié)點(diǎn)定位率;當(dāng)錨節(jié)點(diǎn)密度較小時(shí),第2類情形會發(fā)生,處于蟲洞區(qū)域的盲節(jié)點(diǎn)只收集到錯誤的錨節(jié)點(diǎn)信息,對MCL影響表現(xiàn)為使得原本無法定位的節(jié)點(diǎn)定位錯誤,一定程度上會提高定位率。

基于上述分析,當(dāng)錨節(jié)點(diǎn)密度適中時(shí),第1類情形發(fā)生概率較大,第2類情形發(fā)生概率小,但會發(fā)生,因此蟲洞攻擊對MCL影響表現(xiàn)為降低節(jié)點(diǎn)定位率,一定程度上會增大定位誤差。

4 抵御蟲洞攻擊的MCL算法

4.1 算法描述

節(jié)點(diǎn)在移動過程中不斷的在進(jìn)行定位,當(dāng)盲節(jié)點(diǎn)從非蟲洞區(qū)域移動到蟲洞區(qū)域時(shí),保留上一時(shí)刻的定位值并且不斷更新,利用上一時(shí)刻的定位值就可以識別當(dāng)前時(shí)刻的偽錨節(jié)點(diǎn)信息。后續(xù)討論中把上一時(shí)刻稱為t-1時(shí)刻,當(dāng)前時(shí)刻稱為t時(shí)刻。

圖6 算法示意圖

4.2 兩個具體問題

①t-1時(shí)刻定位值的準(zhǔn)確性。當(dāng)錨節(jié)點(diǎn)密度較小時(shí),在蟲洞區(qū)域移動的一些盲節(jié)點(diǎn),在某些時(shí)刻僅收集到錯誤的錨節(jié)點(diǎn)信息,這將導(dǎo)致t-1時(shí)刻定位錯誤,在后續(xù)時(shí)刻盲節(jié)點(diǎn)會利用錯誤的定位值濾除正確的錨節(jié)點(diǎn)信息而定位錯誤。

②t-1時(shí)刻定位值的更新。受到蟲洞影響的盲節(jié)點(diǎn)由于收集到不一致的錨節(jié)點(diǎn)信息而無法正常定位,這將導(dǎo)致t-1時(shí)刻定位值更新滯后,如果t-1時(shí)刻定位值得不到更新,并且當(dāng)盲節(jié)點(diǎn)逐漸遠(yuǎn)離這一定位值區(qū)域時(shí),在后續(xù)時(shí)刻盲節(jié)點(diǎn)會利用過時(shí)的定位值濾除掉所有的錨節(jié)點(diǎn)信息而無法定位。

對于問題①,在使用MCL時(shí),如果檢測到盲節(jié)點(diǎn)能夠長時(shí)間地在連續(xù)時(shí)刻定位,說明它很可能處于非蟲洞區(qū)域,由于節(jié)點(diǎn)在不停的移動,在連續(xù)時(shí)刻定位錯誤的可能性很小,因此選取能夠長時(shí)間連續(xù)定位時(shí)刻的定位值作為t-1時(shí)刻的定位值。對于問題②,如果檢測到節(jié)點(diǎn)長時(shí)間地在連續(xù)時(shí)刻無法定位,就啟動MCL,直到能夠長時(shí)間地在連續(xù)時(shí)刻定位就更新t-1時(shí)刻的定位值,這樣既可以讓節(jié)點(diǎn)重新定位,也能保證t-1時(shí)刻定位值的準(zhǔn)確性。整個算法的流程如圖7所示。

圖7 算法流程圖

5 仿真結(jié)果與分析

在仿真實(shí)驗(yàn)中,所有的節(jié)點(diǎn)隨機(jī)布撒在500m×500m的矩形區(qū)域內(nèi),節(jié)點(diǎn)采用RandomWayPoint移動模型,在該模型中,節(jié)點(diǎn)在每個時(shí)刻的運(yùn)動方向和速度都是隨機(jī)的。兩個蟲洞節(jié)點(diǎn)的坐標(biāo)參考文獻(xiàn)[14]進(jìn)行設(shè)置,具體數(shù)值如表1所示,這樣蟲洞鏈路剛好處于矩形區(qū)域的中心,對系統(tǒng)定位性能影響最大。表1是仿真參數(shù)的典型值,后續(xù)在研究一些參數(shù)對定位性能的影響時(shí),會對其作出相應(yīng)調(diào)整,并把連續(xù)能夠定位時(shí)刻的個數(shù)和連續(xù)不能定位時(shí)刻的個數(shù)統(tǒng)稱為連續(xù)時(shí)刻個數(shù)n,遭受蟲洞攻擊的MCL算法稱為WormMCL,抵御蟲洞攻擊的MCL算法稱為DewormMCL。定位誤差為每個定位時(shí)刻能夠定位節(jié)點(diǎn)定位誤差的平均值,定位率為每個定位時(shí)刻能夠定位節(jié)點(diǎn)所占的比例,平均定位誤差和平均定位率為算法收斂過程中前100個時(shí)刻的平均值,仿真結(jié)果均在MATLAB上獨(dú)立運(yùn)行10次取平均值。

表1 仿真參數(shù)典型值設(shè)置

圖8 定位誤差和定位率對比圖

5.1 定位性能隨時(shí)間的關(guān)系

圖8(a)和8(b)分別是3種算法定位誤差和定位率隨時(shí)間的關(guān)系,從圖中看出,受蟲洞攻擊后,定位誤差從0.4r提高到0.45r,定位率從90%降低到80%,在第100個時(shí)刻,DewormMCL性能基本收斂到未受攻擊時(shí)的正常值。從圖中也可以看出,n值越大,定位誤差越小,但定位率收斂速度越慢。因此在選取n值時(shí),既要考慮算法的收斂時(shí)間,又要考慮定位誤差不能太大,合適地選取n值很重要,后續(xù)參數(shù)仿真中取n=5。

5.2 各參數(shù)對定位性能的影響

5.2.1 節(jié)點(diǎn)移動速度

如圖9(a)所示,當(dāng)vmax=0.4r時(shí),3種算法的定位誤差最小,節(jié)點(diǎn)移動速度適中時(shí),盲節(jié)點(diǎn)在運(yùn)動過程中會碰到更多的錨節(jié)點(diǎn),當(dāng)節(jié)點(diǎn)移動速度過快時(shí),會導(dǎo)致采樣區(qū)域過大,采集的樣本準(zhǔn)確性降低。當(dāng)vmax≤0.4r時(shí),DewormMCL的定位誤差比WormMCL還大,這是由于節(jié)點(diǎn)移動速度過慢,n值過小,一些定位錯誤的盲節(jié)點(diǎn)利用錯誤的定位值濾掉了正確的錨節(jié)點(diǎn)信息,在后續(xù)時(shí)刻也定位錯誤。從上圖9(b)中可以看出,vmax對DewormMCL算法的定位率影響較大,當(dāng)r≤vmax≤1.4r時(shí),定位率能快速收斂到正常值。綜合考慮vmax對定位性能的影響,取vmax=r較為適宜。

圖9 節(jié)點(diǎn)移動速度vmax對定位性能的影響

5.2.2 錨節(jié)點(diǎn)密度

增大錨節(jié)點(diǎn)密度Sd會使盲節(jié)點(diǎn)周圍的一階錨節(jié)點(diǎn)和二階錨節(jié)點(diǎn)增多,盲節(jié)點(diǎn)利用這些增多的一階錨節(jié)點(diǎn)和二階錨節(jié)點(diǎn)信息改善定位效果。如圖10(a)和10(b)所示,3種算法的定位性能都隨Sd的增大而有所改善。從圖10(a)看出,當(dāng)Sd<1.5時(shí),DewormMCL對攻擊的改善效果并不明顯,這是因?yàn)橐恍┰馐芟x洞攻擊的盲節(jié)點(diǎn)只接收到了錯誤的錨節(jié)點(diǎn)信息,導(dǎo)致連續(xù)定位錯誤;當(dāng)Sd>1.5時(shí),受蟲洞攻擊的盲節(jié)點(diǎn)由于總能收集到不一致的錨節(jié)點(diǎn)信息,更多的表現(xiàn)為不能定位,而不是錯誤定位,所以3種算法的定位誤差基本一致,如圖10(a)所示,但此時(shí)定位率會下降,如圖10(b)中WormMCL曲線所示。錨節(jié)點(diǎn)數(shù)量的增多會相應(yīng)增大系統(tǒng)代價(jià),綜合考慮Sd對定位性能的影響,因此取Sd=2較為適宜。

圖10 錨節(jié)點(diǎn)密度Sd對定位性能的影響

圖11 盲節(jié)點(diǎn)密度Nd對定位性能的影響

5.2.3 盲節(jié)點(diǎn)密度

增大盲節(jié)點(diǎn)密度Nd,會相應(yīng)增加二階錨節(jié)點(diǎn)的數(shù)量。如圖11(a)和11(b)所示,Nd對3種算法的定位性能均有影響,它們有一個盲節(jié)點(diǎn)密度門限值Nd=10。當(dāng)Nd<10時(shí),3種算法的定位性能隨Nd的增大而有所改善,當(dāng)Nd增加到一定程度時(shí),二階錨節(jié)點(diǎn)數(shù)量趨于飽和,3種算法的定位性能維持不變,因此選取Nd=10比較合適。

5.2.4 通信半徑不規(guī)則度

如圖12(a)所示,當(dāng)doi<0.1時(shí),3種算法的定位誤差基本不變,當(dāng)doi>0.1時(shí),3種算法的定位誤差都隨doi的增大而增大。doi越大,越有可能漏掉正常范圍內(nèi)的一階和二階錨節(jié)點(diǎn)或者使二階錨節(jié)點(diǎn)變成一階錨節(jié)點(diǎn),兩跳范圍外的錨節(jié)點(diǎn)變成二階錨節(jié)點(diǎn)。

如圖12(b)所示,當(dāng)doi<0.1時(shí),3種算法的定位率基本不變,當(dāng)doi>0.1時(shí),3種算法的定位率呈下降趨勢,這是因?yàn)檩^大的doi使得盲節(jié)點(diǎn)獲得了更大的錨節(jié)點(diǎn)信息空間,增加了一部分兩跳范圍外的錨節(jié)點(diǎn)信息,由于錨節(jié)點(diǎn)信息不一致,使得一些盲節(jié)點(diǎn)得不到合法樣本而無法定位。

圖12 通信半徑不規(guī)則度doi對定位性能的影響

6 結(jié)束語

本文首次研究了MWSN中的隱式蟲洞攻擊,分析了此類蟲洞攻擊對MCL性能的影響,并提出了利用節(jié)點(diǎn)移動特性識別錨節(jié)點(diǎn)信息抵御蟲洞攻擊的MCL算法,算法執(zhí)行簡單,并能有效抵御抵御蟲洞攻擊,在沒有遭受蟲洞攻擊也能達(dá)到MCL算法的性能。

文中討論的是一對靜態(tài)的隱式蟲洞節(jié)點(diǎn)聯(lián)合進(jìn)行攻擊,在今后的研究中,還需要分別考慮顯式蟲洞攻擊、移動的蟲洞攻擊、多對蟲洞節(jié)點(diǎn)聯(lián)合攻擊等情形下對MWSN中定位算法的影響。

[1] 鄧曉明.移動無線傳感器網(wǎng)絡(luò)復(fù)制節(jié)點(diǎn)攻擊檢測協(xié)議的研究[D]. 中國科學(xué)技術(shù)大學(xué),2011.

[2] 王靜,鄧平. 一種基于邊松弛的大規(guī)模WSN分簇定位算法[J]. 傳感技術(shù)學(xué)報(bào),2013,26(5):683-688.

[3] Hu L,Evant D. Localization for Mobile Sensor Networks[C]//Proceedings of the 10th Annual International Conference on Mobile Computing and Networking,2004:45-47.

[4] Baggio A,Langendoen K. Monte-Carlo Localization for Mobile Wireless Sensor Networks[J]. Lecture Notes in Computer Science,2006,4325(11):317-328.

[5] Yi J Y,Yang S W,Cha H J. Multi-Hop-Based Monte Carlo Localization for Mobile Sensor Nteworks[C]//Proceedings of the 4th Annual IEEE Communications Society Conference on Sensor,Mesh and Ad Hoc Communications and Networks,2007:163-171.

[6] 梅舉,陳滌,辛玲. 基于蒙特卡洛方法的移動傳感網(wǎng)節(jié)點(diǎn)定位優(yōu)化算法[J]. 傳感技術(shù)學(xué)報(bào),2013,26(5):689-693.

[7] 朱海平,于紅丞,鐘小勇,等. 動態(tài)無線傳感器網(wǎng)絡(luò)的改進(jìn)蒙特卡洛定位算法[J]. 傳感技術(shù)學(xué)報(bào),2012,25(9):1284-1288.

[8] Zeng Y P,Cao J N,Hong J,et al. SecMCL:A Secure Monte Carlo Localization Algorithm for Mobile Sensor Networks[C]//IEEE 6th International Conference on Mobile Ad-Hoc and Sensor Systems(MASS),2009:1054-1059.

[9] Garg R,Varna A,Wu M. An Efficient Gradient Descent Approach to Secure Localization in Resource Constrained Wireless Sensor Networks[J]. IEEE transactions on Information Forensics and Security,2012,7(2):717-730.

[10] Garg R,Varna A,Wu M. A Gradient Descent Based Approach to Secure Localization in Mobile Sensor Networks[C]//IEEE International Conference on Acoustics,Speech and Signal Processing(ICASSP),2012:1869-1872.

[11] Zhen J,Srinivas S. Preventing Replay Attacks for Secure Routing in Ad Hoc Networks[C]//Proceedings of the 2nd International Conference on Ad-Hoc Networks and Wireless(ADHOC-NOW),2003:140-150.

[12] Hu L,Evans D. Using Directional Antennas to Prevent Wormhole Attacks[C]//Proceedings of the 11th Network and Distributed System Security Symposium(NDSS),2004:131-141.

[13] Qian L J,Song N,Li X F. Detecting and Locating Wormhole Attacks in Wireless Ad Hoc Networks through Statistical Analysis of Multi-Path[C]//IEEE Wireless Communications and and Networking Conference(WCNC 2005),2005:2106-2111.

[14] Song S J,Wu H J,Choi B Y. Statistical Wormhole Detection for Mobile Sensor Networks[C]//The 4th International Conference on Ubiquitous and Future Networks(ICUFN),2012:322-327.

[15] Thi N D P,Chai K Y. Statistical Wormhole Detection and Localization in Delay Tolerant Networks[C]//The 11th Annual IEEE Consumer Communications and Networking Conference(CCNC),2014:380-385.

[16] 洪亮,洪帆,彭冰,等. 一種基于鄰居信任評估的蟲洞防御機(jī)制[J]. 計(jì)算機(jī)科學(xué),2006,33(8):130-133.

[17] 鄧平,張紅江. 一種無線傳感器網(wǎng)絡(luò)抗蟲洞攻擊DV-Hop定位算法[J]. 西南交通大學(xué)學(xué)報(bào),2015,50(1):51-57,65.

池玉辰(1989-),男,漢族,碩士研究生,主要從事移動無線傳感器網(wǎng)絡(luò)安全定位技術(shù)的研究;

鄧 平(1964-),男,漢族,博士,教授。主要研究方向有無線網(wǎng)絡(luò)定位技術(shù),現(xiàn)代信號處理,無線傳感器網(wǎng)絡(luò)等。

A MCL Algorithm Against Wormhole Attack in MWSN*

CHIYuchen,DENGPing*

(Key lab of information coding and transmission,Southwest Jiaotong University,Chengdu 610031,China)

As a classical localization algorithm in MWSN,MCL algorithm is still lack of consideration of security.In order to defeat wormhole attack in MCL,we firstly analyze MCL mechanism and the impact of wormhole attack on the performance of MCL,and then propose a secure MCL algorithm,named DewormMCL,to defeat wormhole attack in this paper,which takes advantages of nodes’ mobility to identify anchor information effectively and filter out false anchor information.It requires no additional hardware support,and also not increase the communication overhead.Simulation results demonstrate that the secure localization algorithm shows good resistivity to wormhole attack.With the convergence of the algorithm,the performance of MCL suffered from wormhole attack will gradually return to normal.Localization error drops from 0.45rto 0.4rand the percentage of localizable nodes increases from 80% to 90% under the simulation conditions in the paper.

MWSN;MCL;wormhole attack;DewormMCL;mobility

項(xiàng)目來源:國家自然科學(xué)基金項(xiàng)目(61071107)

2015-01-23 修改日期:2015-02-28

C:7230

10.3969/j.issn.1004-1699.2015.06.017

TP393

A

1004-1699(2015)06-0876-07