WSNs中基于信任的數(shù)據(jù)融合方法

何慶志，張潤蓮，李 豪

(桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004)

WSNs中基于信任的數(shù)據(jù)融合方法

何慶志，張潤蓮，李 豪

(桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004)

針對無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合的安全問題，提出一種分簇結(jié)構(gòu)下的基于信任的數(shù)據(jù)融合方法。簇頭節(jié)點(diǎn)根據(jù)簇內(nèi)成員節(jié)點(diǎn)采集的數(shù)據(jù)，計算得到一個相似度矩陣，量化了數(shù)據(jù)的可信度?；谙嗨贫染仃嚕捎胋eta分布函數(shù)計算節(jié)點(diǎn)的信任值，識別出非法節(jié)點(diǎn)。在數(shù)據(jù)融合過程中，剔除非法節(jié)點(diǎn)的虛假數(shù)據(jù)，并以不同的權(quán)值對正常節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行融合。測試結(jié)果表明，該方法能夠根據(jù)節(jié)點(diǎn)發(fā)送的數(shù)據(jù)評估節(jié)點(diǎn)的可信度，避免非法數(shù)據(jù)對融合結(jié)果的影響，提高了數(shù)據(jù)融合結(jié)果的準(zhǔn)確性。

無線傳感器網(wǎng)絡(luò)；數(shù)據(jù)融合；信任；相似度矩陣

無線傳感器網(wǎng)絡(luò)[1](wireless sensor networks，簡稱WSNs)是由大量隨機(jī)散布的小型傳感節(jié)點(diǎn)組成的多跳自組織網(wǎng)絡(luò)，是物聯(lián)網(wǎng)的基本組成單位，WSNs在民用和軍事領(lǐng)域得到了普遍的應(yīng)用。WSNs的主要功能是對節(jié)點(diǎn)所在區(qū)域的信息進(jìn)行采集和傳輸。然而，WSNs不能像傳統(tǒng)網(wǎng)絡(luò)一樣傳輸數(shù)據(jù)。一方面，傳感節(jié)點(diǎn)資源有限，無法滿足大量的數(shù)據(jù)傳輸；另一方面，WSNs部署環(huán)境往往比較惡劣，容易遭到惡意攻擊，存在較高的安全隱患[2]。因此，識別非法數(shù)據(jù)并進(jìn)行數(shù)據(jù)融合，提供安全、可靠的數(shù)據(jù)支持是WSNs需要解決的關(guān)鍵問題之一。

針對WSNs中數(shù)據(jù)融合存在的安全問題，國內(nèi)外學(xué)者進(jìn)行了深入的研究。Zhang等[3]提出一種基于免疫系統(tǒng)的數(shù)據(jù)融合算法，該算法采用層次分布式的策略最大程度地降低網(wǎng)絡(luò)能耗，利用免疫系統(tǒng)的自適應(yīng)特性，提高了數(shù)據(jù)融合結(jié)果的可靠度，但該算法無法解決外部的惡意攻擊。Liu等[4]提出了一個基于數(shù)據(jù)完整性的融合算法，該算法在sink節(jié)點(diǎn)中利用冗余定理對數(shù)據(jù)進(jìn)行一致性檢測來驗(yàn)證數(shù)據(jù)是否可靠，并且加入同態(tài)加密的機(jī)制為數(shù)據(jù)提供安全保障。邱立達(dá)等[5]為提高數(shù)據(jù)融合結(jié)果的正確率，根據(jù)深度學(xué)習(xí)模型對特征提取進(jìn)行優(yōu)化，結(jié)合分簇協(xié)議，提出了一種基于深度學(xué)習(xí)模型數(shù)據(jù)融合算法。崔慧等[6]針對不同的地理位置提出一種虛假數(shù)據(jù)過濾方法GFFS，GFFS根據(jù)節(jié)點(diǎn)發(fā)送的數(shù)據(jù)對位置進(jìn)行驗(yàn)證，能夠識別不同區(qū)域中發(fā)送偽造數(shù)據(jù)的惡意節(jié)點(diǎn)。Du等[7]提出一種基于層次路由的動態(tài)隊(duì)列數(shù)據(jù)融合算法，其在過濾節(jié)點(diǎn)中設(shè)置一個動態(tài)隊(duì)列以存儲節(jié)點(diǎn)間的歷史交互信息，并根據(jù)動態(tài)隊(duì)列過濾掉網(wǎng)絡(luò)中的冗余數(shù)據(jù)。

在WSNs中，節(jié)點(diǎn)在采集數(shù)據(jù)過程中不可避免會受到傳感器精度、環(huán)境噪聲和人為干擾等因素的影響，所收集的數(shù)據(jù)具有不確定性[8]。針對具有分簇結(jié)構(gòu)的WSNs，提出一種基于信任評估的數(shù)據(jù)融合方法。該方法首先由簇頭節(jié)點(diǎn)根據(jù)簇內(nèi)成員節(jié)點(diǎn)采集的數(shù)據(jù)計算節(jié)點(diǎn)間的數(shù)據(jù)相似度，進(jìn)行數(shù)據(jù)可信度評估；再通過beta分布函數(shù)計算節(jié)點(diǎn)的信任值；簇頭節(jié)點(diǎn)根據(jù)節(jié)點(diǎn)信任值對節(jié)點(diǎn)進(jìn)行過濾，選取正常節(jié)點(diǎn)的數(shù)據(jù)以加權(quán)的方式進(jìn)行數(shù)據(jù)融合。

1 基于信任的數(shù)據(jù)融合

在基于分簇結(jié)構(gòu)的WSNs中，包括3類節(jié)點(diǎn)：簇內(nèi)成員節(jié)點(diǎn)CM(cluster member)、簇頭節(jié)點(diǎn)CH(cluster-head)和基站BS(base station)。簇內(nèi)成員節(jié)點(diǎn)負(fù)責(zé)數(shù)據(jù)采集，數(shù)據(jù)通過多跳或單跳的方式傳送到簇頭節(jié)點(diǎn)；簇頭節(jié)點(diǎn)負(fù)責(zé)將簇內(nèi)數(shù)據(jù)進(jìn)行融合，并將融合數(shù)據(jù)通過簇間路由傳送給基站；基站負(fù)責(zé)對簇頭節(jié)點(diǎn)進(jìn)行管理，并將簇頭傳來的數(shù)據(jù)通過網(wǎng)絡(luò)供遠(yuǎn)程用戶使用。其結(jié)構(gòu)如圖1所示。

在簇頭節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合時，若成員節(jié)點(diǎn)發(fā)送的數(shù)據(jù)中包含簇頭節(jié)點(diǎn)無法識別的非法數(shù)據(jù)，則最終融合的結(jié)果會因非法數(shù)據(jù)而偏離，從而影響用戶決策。為解決該問題，采用信任機(jī)制，通過對數(shù)據(jù)可信度評估和節(jié)點(diǎn)信任評估，為數(shù)據(jù)過濾提供支持，并基于節(jié)點(diǎn)的信任狀態(tài)進(jìn)行數(shù)據(jù)融合，以提高融合數(shù)據(jù)的可信度。

1.1 數(shù)據(jù)可信度評估

WSNs網(wǎng)絡(luò)部署環(huán)境的惡劣性，以及缺乏安全保護(hù)的通信方式，使得傳感節(jié)點(diǎn)采集的數(shù)據(jù)存在缺陷或被非法篡改。成員節(jié)點(diǎn)所傳輸數(shù)據(jù)的安全可靠性，將直接影響用戶的判斷和決策，識別成員節(jié)點(diǎn)傳輸數(shù)據(jù)的可信度至關(guān)重要[9]。

在WSNs中，同一個簇中的節(jié)點(diǎn)部署環(huán)境基本相似，各節(jié)點(diǎn)所采集的數(shù)據(jù)具有一致性。同時，節(jié)點(diǎn)采集的數(shù)據(jù)隨著時間的變化也具有某些統(tǒng)計特性[10]，成員節(jié)點(diǎn)傳輸數(shù)據(jù)的可信度將根據(jù)這些特征來識別。

假設(shè)一個簇中有n個節(jié)點(diǎn)，所采集的數(shù)據(jù)分別為x1,x2,…,xn，數(shù)據(jù)近似服從正態(tài)分布N(u,δ2)。盡管同一簇的節(jié)點(diǎn)采集的數(shù)據(jù)具有一致性，但節(jié)點(diǎn)因傳感器精度、環(huán)境等因素的影響，不同節(jié)點(diǎn)采集的數(shù)據(jù)通常存在一定的差距，基于節(jié)點(diǎn)i與節(jié)點(diǎn)j間的數(shù)據(jù)差距|xi-xj|，可計算出兩節(jié)點(diǎn)間的數(shù)據(jù)相似度rij：

(1)

簇頭節(jié)點(diǎn)基于成員節(jié)點(diǎn)發(fā)送過來的數(shù)據(jù)，將簇內(nèi)n個成員節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行比較，分別計算出不同節(jié)點(diǎn)間的數(shù)據(jù)相似度，最終形成一個數(shù)據(jù)相似度矩陣R：

(2)

為合理評估數(shù)據(jù)是否可信，采用節(jié)點(diǎn)對簇中各節(jié)點(diǎn)的平均數(shù)據(jù)相似度進(jìn)行判斷。以mi表示節(jié)點(diǎn)i在簇中的平均數(shù)據(jù)相似度，基于數(shù)據(jù)相似度矩陣R，對第i行元素中去除最大值rmax和最小值rmin后進(jìn)行計算：

(3)

以節(jié)點(diǎn)i的平均數(shù)據(jù)相似度，對比設(shè)置的數(shù)據(jù)相似度閾值η，若mi>η，則表示該數(shù)據(jù)可信，否則為不可信。

1.2 節(jié)點(diǎn)信任評估

通常，被俘的惡意節(jié)點(diǎn)會一直向網(wǎng)絡(luò)中發(fā)送非法數(shù)據(jù)，與此同時，因節(jié)點(diǎn)部署環(huán)境的惡劣性，正常節(jié)點(diǎn)可能也會受設(shè)備問題、環(huán)境噪聲等影響，使得采集和發(fā)送的數(shù)據(jù)存在缺陷。為確保融合的數(shù)據(jù)可靠，需要評估節(jié)點(diǎn)的可信度。

節(jié)點(diǎn)信任由簇頭節(jié)點(diǎn)進(jìn)行評估，其以節(jié)點(diǎn)每次發(fā)送的數(shù)據(jù)是否可信的情況來計算。以ci表示對節(jié)點(diǎn)i采集數(shù)據(jù)后通過平均數(shù)據(jù)相似度對比的可信次數(shù)，ui為其數(shù)據(jù)不可信的次數(shù)，則

(4)

在簇頭節(jié)點(diǎn)對簇內(nèi)節(jié)點(diǎn)進(jìn)行信任評估時，基于節(jié)點(diǎn)i的數(shù)據(jù)可信和不可信次數(shù)，采用beta概率分布函數(shù)計算節(jié)點(diǎn)i的信任值Ti為：

(5)

基于上述方法，隨著惡意節(jié)點(diǎn)不斷發(fā)送非法數(shù)據(jù)，其信任值將迅速降低。簇頭節(jié)點(diǎn)在進(jìn)行數(shù)據(jù)融合時，可有效識別這些非法節(jié)點(diǎn)，過濾其虛假數(shù)據(jù)，為數(shù)據(jù)融合提供安全保障。

1.3 基于信任的數(shù)據(jù)融合

WSNs在監(jiān)測區(qū)域內(nèi)的傳感器節(jié)點(diǎn)可能數(shù)目眾多，節(jié)點(diǎn)采集的數(shù)據(jù)間存在大量冗余信息。對資源受限的WSNs來說，通過數(shù)據(jù)融合可以去除網(wǎng)絡(luò)中的冗余數(shù)據(jù)，減少網(wǎng)絡(luò)數(shù)據(jù)流量和數(shù)據(jù)處理開銷，降低節(jié)點(diǎn)能量損耗，有利于延長網(wǎng)絡(luò)生存周期。

在進(jìn)行數(shù)據(jù)融合前，簇頭節(jié)點(diǎn)需要識別非法節(jié)點(diǎn)，過濾掉其發(fā)送的數(shù)據(jù)?；谠O(shè)置的節(jié)點(diǎn)信任閾值τ，簇頭節(jié)點(diǎn)將節(jié)點(diǎn)分為正常節(jié)點(diǎn)和非法節(jié)點(diǎn)，并標(biāo)注節(jié)點(diǎn)的信任狀態(tài)。以Si表示節(jié)點(diǎn)i信任狀態(tài)，則有

(6)

其中：Si=1表示節(jié)點(diǎn)i為正常節(jié)點(diǎn)；Si=0表示節(jié)點(diǎn)i為非法節(jié)點(diǎn)。

為保證融合后的數(shù)據(jù)具有最大程度的可靠性，在過濾掉非法節(jié)點(diǎn)的數(shù)據(jù)后，根據(jù)節(jié)點(diǎn)的信任值進(jìn)行加權(quán)計算，以D表示數(shù)據(jù)融合后的結(jié)果，則

(7)

其中：xi為節(jié)點(diǎn)i采集的數(shù)據(jù)；wi為數(shù)據(jù)xi在融合過程中的權(quán)重，

(8)

2 仿真試驗(yàn)及結(jié)果分析

2.1 仿真環(huán)境

采用仿真軟件OMNET4.1作為實(shí)驗(yàn)平臺，對提出的數(shù)據(jù)融合算法進(jìn)行仿真實(shí)驗(yàn)。仿真計算機(jī)配置為Intel Core i5-4200U 1.60 GHz，內(nèi)存4 GB，操作系統(tǒng)為Windows 7。仿真環(huán)境設(shè)置：WSNs分為10簇，每個簇包括1個簇頭和9個成員節(jié)點(diǎn)；節(jié)點(diǎn)的通信半徑為20 m；實(shí)驗(yàn)中數(shù)據(jù)相似度閾值η和信任閾值τ分別設(shè)置為0.6和0.4。

基于上述環(huán)境，測試了節(jié)點(diǎn)的信任值變化，并對比測試了同樣環(huán)境下本方法、基于算術(shù)平均的數(shù)據(jù)融合方法[11]和理想數(shù)據(jù)融合方法的數(shù)據(jù)融合結(jié)果。

2.2 試驗(yàn)結(jié)果與分析

2.2.1 節(jié)點(diǎn)信任變化測試

隨機(jī)選取10個節(jié)點(diǎn)設(shè)置為被俘獲的非法節(jié)點(diǎn)，并且發(fā)送與真實(shí)感知數(shù)據(jù)差異較大的虛假數(shù)據(jù)，其采集的數(shù)據(jù)服從N(15,2)的正態(tài)分布。其余節(jié)點(diǎn)為正常節(jié)點(diǎn)，采集的數(shù)據(jù)服從N(20,1)的正態(tài)分布。從網(wǎng)絡(luò)中隨機(jī)選取1個非法節(jié)點(diǎn)和1個正常節(jié)點(diǎn)，計算其在一段時間內(nèi)變化的信任值，兩者隨時間的變化情況如圖2所示。

圖2 節(jié)點(diǎn)信任變化Fig.2 The change of node trust

由圖2可知，在初始信任值相同情況下，隨著網(wǎng)絡(luò)的運(yùn)行，正常節(jié)點(diǎn)采集的數(shù)據(jù)與大多數(shù)節(jié)點(diǎn)采集的數(shù)據(jù)具有一致性，其信任值逐漸增加。非法節(jié)點(diǎn)發(fā)送的數(shù)據(jù)與其他節(jié)點(diǎn)采集的數(shù)據(jù)相似度低，其信任值逐步下降。這表明本方法能夠有效識別非法節(jié)點(diǎn)，其將為數(shù)據(jù)融合中的非法數(shù)據(jù)過濾提供保障。

2.2.2 數(shù)據(jù)融合結(jié)果對比測試

將本實(shí)驗(yàn)的數(shù)據(jù)融合與基于算術(shù)平均算法的數(shù)據(jù)融合、理想數(shù)據(jù)融合進(jìn)行對比測試，其中理想數(shù)據(jù)融合假定在簇內(nèi)無非法節(jié)點(diǎn)。數(shù)據(jù)融合以簇為單位，在仿真中選取一個簇，假設(shè)該簇中有20%的節(jié)點(diǎn)為非法節(jié)點(diǎn)(不包括簇頭節(jié)點(diǎn))，非法節(jié)點(diǎn)發(fā)送的偽造數(shù)據(jù)服從N(15,2)的正態(tài)分布，正常節(jié)點(diǎn)發(fā)送的數(shù)據(jù)服從N(20,1)的正態(tài)分布。對比測試結(jié)果如圖3所示。

圖3 數(shù)據(jù)融合結(jié)果Fig.3 The result of data fusion

由圖3可知，網(wǎng)絡(luò)中存在非法節(jié)點(diǎn)時，基于算術(shù)平均的數(shù)據(jù)融合結(jié)果與理想融合結(jié)果具有明顯的區(qū)別，而本算法的融合結(jié)果與理想結(jié)果非常接近。因?yàn)楸舅惴ㄔ跀?shù)據(jù)融合過程中，能夠根據(jù)節(jié)點(diǎn)信任的變化有效識別非法節(jié)點(diǎn)，過濾惡意數(shù)據(jù)，保證了數(shù)據(jù)融合的安全性，提高了融合結(jié)果的準(zhǔn)確性。

3 結(jié)束語

為了解決無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合中存在惡意節(jié)點(diǎn)發(fā)送非法數(shù)據(jù)的問題，在數(shù)據(jù)融合過程中引入了信任機(jī)制，基于節(jié)點(diǎn)采集的數(shù)據(jù)對節(jié)點(diǎn)進(jìn)行信任評估，計算節(jié)點(diǎn)信任值。根據(jù)節(jié)點(diǎn)信任值對節(jié)點(diǎn)進(jìn)行分類，識別出網(wǎng)絡(luò)中的惡意節(jié)點(diǎn)。選取可信節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行融合，能夠過濾惡意數(shù)據(jù)，提高了數(shù)據(jù)融合的準(zhǔn)確性。

[1] QIAN Zhihong,WANG Yijun.Internet of things-oriented wireless sensor networks review[J].Journal of Electronics and Information Technology,2013,35(1):215-227.

[2] HAN Guangjie,JIANG Jingfang,LEI Shu,et al.Management and applications of trust in wireless sensor networks:a survey[J].Journal of Computer & System Sciences,2014,80(3):602-617.

[3] ZHANG Nan,ZHANG Jianhua,LI Zhishu.Data fusion mechanisms based on immune in wireless sensor net work[J].Journal of Chinese Computer Systems,2009,30(3):454-459.

[4] LIU Kaiqiang,DU Tao,QU Shouning.The research of high efficient and real time data aggregation method applied in WSNs[J].Journal of Sensor Technology and Application,2015,3(3):33-46.

[5] 邱立達(dá)，劉天鍵，林南，等.基于深度學(xué)習(xí)模型的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法[J].傳感技術(shù)學(xué)報,2014(12):1704-1709.

[6] 崔慧，潘巨龍，閆丹丹.無線傳感器網(wǎng)絡(luò)中基于安全數(shù)據(jù)融合的惡意節(jié)點(diǎn)檢測[J].傳感技術(shù)學(xué)報,2014(5):664-669.

[7] DU T,QU S,GUO Q,et al.A high efficient real time data aggregation algorithm for WSNs[C]//IEEE of Fourth International Conference on Big Data and Cloud Computing,2014:594-598.

[8] 郭徽東，章新華，宋元，等.多傳感器異步數(shù)據(jù)融合算法[J].電子與信息學(xué)報,2006,28(9):1546-1549.

[9] MORI S,UMEDU T,HIROMORI A,et al.Data-centric programming environment for cooperative applications in WSN [C]//Integrated Network Management (IM 2013), 2013 IFIP/IEEE International Symposium on IEEE,2013:856-859.

[10] YICK J,MUKHERJEE B,GHOSAL D.Wireless sensor network survey[J].Computer Networks the International Journal of Computer and Telecommunications Networking,2008,52(12):2292-2330.

[11] 王飛.無線傳感器網(wǎng)絡(luò)中基于模糊理論的決策級數(shù)據(jù)融合技術(shù)的研究[D].北京:北京交通大學(xué),2010:18-24.

編輯：梁王歡

Data fusion method based on trust in WSNs

HE Qingzhi, ZHANG Runlian, LI Hao

(School of Information and Communication, Guilin University of Electronic Technology, Guilin 541004, China)

Aiming at the security problem of data fusion in wireless sensor networks, a data fusion method base on trust is proposed in cluster structure.According to the data collected by cluster member nodes, a similarity matrix is computed by the cluster head node, and the credibility of data is quantized. Based on the similarity matrix, the trust of nodes is computed by using the beta distribution function, and the illegal nodes are recognized. During the data fusion process, the false data coming from invalid nodes will be rejected, and the data coming from normal nodes will be fused by different weights. The test results show that the method can estimate the credibility of nodes according to the data from nodes. And the bad influence coming from the illegal data of invalid nodes is avoided, the data accuracy of the fusion results is improved.

wireless sensor networks; data fusion; trust; similarity matrix

2016-03-15

國家自然科學(xué)基金(61572148)；廣西無線寬帶通信與信號處理重點(diǎn)實(shí)驗(yàn)室主任基金(GXKL061510,GXKL0614110)；廣西自然科學(xué)基金(2015GXNSFGA139007)；桂林電子科技大學(xué)研究生教育創(chuàng)新計劃(YJCXS201524)

張潤蓮(1974-)，女，山西介休人，副教授，博士，研究方向?yàn)樾畔踩-mail:zhangrl@guet.edu.cn

何慶志，張潤蓮，李豪.WSNs中基于信任的數(shù)據(jù)融合方法[J].桂林電子科技大學(xué)學(xué)報，2016,36(6):483-486.

TP393

A

1673-808X(2016)06-0483-04