基于節(jié)點信譽度的傳感器數(shù)據(jù)安全融合方法

曾 麗，曾玉林

(四川大學(xué)錦城學(xué)院，四川 成都 611731)

1 引言

在物聯(lián)網(wǎng)內(nèi)，無線傳感器網(wǎng)絡(luò)會受到各個方面的約束，只有對信息數(shù)據(jù)進行有效融合，才能達到網(wǎng)絡(luò)節(jié)能的基礎(chǔ)要求。因為物聯(lián)網(wǎng)擁有開放性特征，所以在使用時存在較多的安全隱患[1，2]。

針對數(shù)據(jù)融合的安全問題，文獻[3]提出一種基于分?jǐn)?shù)階微分算子的多傳感器檢測數(shù)據(jù)融合算法。結(jié)合生產(chǎn)信息測量誤差新理念，擇取檢測儀器性能或工作環(huán)境當(dāng)作檢測數(shù)據(jù)的影響因子，使用分?jǐn)?shù)階微積分理論，得到基于分?jǐn)?shù)階微分的多傳感器檢測數(shù)據(jù)融合處理算法模型，并運用物聯(lián)網(wǎng)下多傳感器檢測數(shù)據(jù)的融合處理實例，驗證算法的可行性與優(yōu)越性。文獻[4]提出一種帶有隱私保護的無線傳感網(wǎng)能量有效數(shù)據(jù)融合機制，解決目前無線傳感網(wǎng)數(shù)據(jù)融合機制效率較低、缺乏隱私安全保護的問題，設(shè)計傳感數(shù)據(jù)隱私保護方法，在傳感節(jié)點對傳感數(shù)據(jù)進行加密，保證傳感數(shù)據(jù)隱私安全。研究數(shù)據(jù)融合機制，代入深度學(xué)習(xí)理論，創(chuàng)建數(shù)據(jù)融合模型，提升傳感數(shù)據(jù)融合效率。

上述數(shù)據(jù)融合方法均具有一定的效用，但對數(shù)據(jù)安全性方面研究不夠透徹。為了實現(xiàn)傳感器數(shù)據(jù)融合的安全性，以信譽評估為前提，提出了基于節(jié)點信譽度的傳感器數(shù)據(jù)安全融合方法。探究數(shù)據(jù)融合節(jié)點行為過程，運用Josang信任模型處理數(shù)據(jù)流中不確定因素問題，創(chuàng)建安全數(shù)據(jù)融合信譽度模型，保障數(shù)據(jù)融合結(jié)果的真實性與安全性。

2 數(shù)據(jù)融合信譽度模型構(gòu)建

在沒有恰當(dāng)管制措施的情況下，傳感器極易遭受各種惡意攻擊，這些攻擊一般會致使節(jié)點隱私完全泄露給攻擊方，導(dǎo)致無法辨別傳感器數(shù)據(jù)的真實性。為了有效提升傳感器的能量效率，需要對其采取適當(dāng)?shù)臄?shù)據(jù)融合措施。因此，在構(gòu)建信譽度模型之前，首先，要對參與數(shù)據(jù)融合的傳感器節(jié)點相關(guān)性實施節(jié)點行為信任值計算，繼而提高數(shù)據(jù)融合的可靠性[5]。

假設(shè)信息傳感器網(wǎng)絡(luò)內(nèi)某個區(qū)域參加數(shù)據(jù)融合的傳感器集合是S=(s1，s2，…，sn)，zi(k)是k時段傳感器si的輸出，則將傳感器的狀態(tài)解析式與輸出解析式記作

X(k+1)=Φ(k)X(k)+G(k)V(k)

(1)

Z(k)=H(k)X(k)+W(k)

(2)

式中，Φ(k)、G(k)、H(k)依次代表狀態(tài)轉(zhuǎn)移矩陣、過程噪聲分布矩陣與輸出矩陣，V(k)、W(k)依次代表擁有零均值與正定協(xié)方差矩陣的高斯噪聲矢量。

處于k時段，因為傳感器所在的噪聲環(huán)境與本身行為不相同，因此，會構(gòu)成略有差別的狀態(tài)估計矢量。為了更好地衡量這個差別，將狀態(tài)估計矢量的標(biāo)準(zhǔn)化差描述為：

(3)

式中

Cij(k|k)=Pi(k|k)+Pj(k|k)

(4)

式(4)代表兩個測量估計偏差協(xié)方差的總和。使用正態(tài)類隸屬度函數(shù)的模糊測度，將k時段兩個狀態(tài)矢量的相似度表示為

(5)

式中，b為系數(shù)，uij(k)為列向量，dij(k)為標(biāo)量。由于相同區(qū)域內(nèi)數(shù)據(jù)融合通過獨立同質(zhì)傳感器構(gòu)成，因此狀態(tài)矢量之間的相似性也表明了測量值本身之間的類似程度。若網(wǎng)絡(luò)內(nèi)傳感器節(jié)點不能運用狀態(tài)解析式進行描述，可以直接利用測量值算出相似度[6]。通過相似度可以看出，k時段相同區(qū)域參加數(shù)據(jù)融合的每個傳感器的相似度矩陣是

(6)

相似度矩陣包括了k時段相同區(qū)域傳感器節(jié)點S的測量數(shù)據(jù)在空間內(nèi)的分布狀況，即實現(xiàn)傳感器節(jié)點行為空間信任運算的尺度。同理，時間序列D(k)，k=1，2，…涵蓋了目前時段位置的節(jié)點在時空內(nèi)的分布數(shù)據(jù)，即實時傳感器節(jié)點行為信任數(shù)據(jù)時空運算的尺度。

假設(shè)ci(k)為k時段傳感器節(jié)點i的一個計數(shù)器，且dij(k)≥E1，那么計數(shù)器加1。此時，第i行掃描后ci(k)最終的數(shù)據(jù)就是k時段和傳感器i測量數(shù)據(jù)比較接近的傳感器節(jié)點個數(shù)。所以，ci(k)是測量值一致性的度量，將k時段傳感器節(jié)點i的一致性測度描述成

pi(k)=ci(k)/n

(7)

(8)

(9)

(10)

式中，a代表系數(shù)，且0

相似度運算要得到n個傳感器之間的標(biāo)準(zhǔn)化差，一致性測度運算要把n2維的相似度矩陣因素和臨界值E1進行逐一對比，得到的復(fù)雜度為O(n2)。為了降低計算數(shù)量，在運算一致性測度與可靠性測試的過程中，采用以下遞推方法進行計算

(11)

(12)

圖1為基于信譽度的安全數(shù)據(jù)融合模型示意圖。

圖1 數(shù)據(jù)安全融合信譽度模型

分析圖1可知，融合節(jié)點利用簇成員節(jié)點的采樣信息探測其行為，構(gòu)成成員節(jié)點的信譽度，其僅適用信任節(jié)點的數(shù)據(jù)融合。算出融合結(jié)果，得到對融合結(jié)果的評估，把評估結(jié)果輸送到基站，幫助基站實現(xiàn)最終決策。數(shù)據(jù)安全融合模型可以保證即便存在一部分節(jié)點被泄露狀況下，融合結(jié)果也能具有一定的真實性與可靠性[8，9]。

代入Josang信任模型，以此處理數(shù)據(jù)流內(nèi)不確定元素問題。將評估要素設(shè)定為w=(b，d，u，a)，四元矢量依次表示信任度、不信任度、不確定度與對應(yīng)系數(shù)。

將評估的預(yù)期概率描述為

E(w)=b+a×u

(13)

在真實場景中，頻度分布與標(biāo)準(zhǔn)差區(qū)域分布不會完全相等。將節(jié)點數(shù)據(jù)處在真實頻度的情況定義成真實節(jié)點頻度分布。將理想節(jié)點頻度當(dāng)作基準(zhǔn)，理想節(jié)點頻度分布與真實節(jié)點頻度分布的差別用距離進行描述，該距離即為節(jié)點的信譽度。距離越小，節(jié)點的信任水平越高，反之越低。

假設(shè)離散分布概率函數(shù)為pk，離散分布函數(shù)為qk，則KL距離如式(14)所示。

(14)

Π={0，1}

(15)

式中，0表示數(shù)據(jù)處在范圍之外，1表示數(shù)據(jù)處在范圍之中?？紤]在Π內(nèi)的兩種分布，u和u，p，q∈[0，1]依次為u與y數(shù)據(jù)處在范圍中的概率，具體表示成

u(0)=1-p

(16)

u(1)=p

(17)

v(0)=1-q

(18)

所以，把分布u和v的KL距離記作

(19)

相應(yīng)的信譽度是

臨床上應(yīng)加大對樣本采集及送檢環(huán)節(jié)的監(jiān)督與管理力度,并且應(yīng)制定出規(guī)范、科學(xué)的管理制度標(biāo)準(zhǔn);在采樣前,應(yīng)該充分做好相關(guān)的準(zhǔn)備工作,盡可能地避免人為操作意外的出現(xiàn);注意樣本采集的最佳時間,以防感染外源性細菌而影響檢驗質(zhì)量;樣本采集完畢后,應(yīng)在規(guī)定時間內(nèi)送試驗室進行檢驗,根據(jù)樣本類型的不同而采用不同的處理方法;一般試驗室溫度最好控制在19~26℃之間,濕度維持在40%~60%之間,從而確保臨床免疫檢驗結(jié)果的精準(zhǔn)性;注重檢驗方法的合理選擇,盡量應(yīng)用較常見的試劑,確保檢驗方法具有較高的重復(fù)性、特異性及敏感性,并且無交叉反應(yīng)。[3]

(20)

上述定義能夠確保趨近理想頻度節(jié)點可以獲取遠離理想頻度節(jié)點更多的信譽度[10]。

得到各個傳感器節(jié)點的信譽度之后，融合節(jié)點按照式(21)將節(jié)點劃分為兩個不同的組。

(21)

式中，ri是節(jié)點i的信譽度；ra是ri的平均值，GHigh是高信譽度組，GUncertain是不確定組。

使用信譽度分組，融合節(jié)點能夠發(fā)覺并辨別簇被捕獲的節(jié)點。根據(jù)信譽度遵循的全部節(jié)點統(tǒng)計規(guī)律可知，在被捕獲節(jié)點較少時，合法節(jié)點具備較高的信譽度；反之，被捕獲節(jié)點能對多少樣本具備作用力，異常行為與統(tǒng)計規(guī)律相抵抗，會影響分布狀態(tài)，因此，無法得到與合法節(jié)點相同的高信譽度[11]。

實現(xiàn)節(jié)點分類與辨別可能被捕獲的節(jié)點之后，融合節(jié)點高信譽度組推導(dǎo)出的數(shù)據(jù)均值和標(biāo)準(zhǔn)差是本次采樣的融合結(jié)果，把該結(jié)果當(dāng)作下次采樣融合節(jié)點衡量節(jié)點信譽度的憑據(jù)。此方法確保了融合節(jié)點利用高信譽度組得到的數(shù)據(jù)實施融合行為，最大限度防止融合后的結(jié)果遭到惡意節(jié)點影響。

關(guān)于融合結(jié)果aggr，將融合節(jié)點構(gòu)成的評估準(zhǔn)則記作

waggr={b，d，u，a}

(22)

E(waggr)=b+au

(23)

b+u=1

(24)

3 仿真研究

圖2為三種方法的融合精度伴隨不信任行為概率增長而改變的對比示意圖。

圖2 安全數(shù)據(jù)融合精度對比

如圖2所示，因為文獻[3]方法沒有完成數(shù)據(jù)融合的安全性分析，融合精度受到不良數(shù)據(jù)與傳感器偏差的影響較多，在不信任行為概率是30%的情況下，該方法的融合精度已經(jīng)降低至50%以下。文獻[4]方法雖然對傳感器節(jié)點進行了行為分析，但僅對傳感器的輸出數(shù)據(jù)實施測量，對節(jié)點自身屬性的綜合評估并不完整。而所提方法可以對信譽度進行準(zhǔn)確分析，綜合評估節(jié)點的多種屬性，因此，即便傳感器網(wǎng)絡(luò)內(nèi)的錯誤傳感器個數(shù)增長也能維持高水準(zhǔn)的融合精度，伴隨不信任行為概率的上升，使用所提方法的融合精度均優(yōu)于文獻[4]方法的融合精度和文獻[3]方法的融合精度。

圖3為傳感器數(shù)據(jù)融合過程中，不同方法的安全性對比結(jié)果。

圖3 安全性對比

從圖3可以看出，在產(chǎn)生同樣的不信任行為概率時，所提方法比兩種文獻方法的安全性更高。不信任行為概率處在30%的情況下，文獻[3]方法、文獻[4]方法以及所提方法的安全概率依次是15%、15%與28%，證明所提方法更具可靠性。

圖4為三種方法下簇頭節(jié)點的平均能耗伴隨時間改變的對比圖。

圖4 簇頭節(jié)點能耗對比

分析圖4可知，因為所提方法在簇頭節(jié)點輸送數(shù)據(jù)時運用多屬性決策手段，大幅降低了無效數(shù)據(jù)的轉(zhuǎn)發(fā)次數(shù)，讓網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)流分布狀態(tài)更加恰當(dāng)，從而使簇頭節(jié)點能耗更加均衡。

4 結(jié)論

為了解決傳統(tǒng)方法數(shù)據(jù)融合精度不高、簇頭節(jié)點輸送數(shù)據(jù)時能耗較高、數(shù)據(jù)融合安全性不高的問題，提出基于節(jié)點信譽度的傳感器數(shù)據(jù)安全融合方法。在節(jié)點行為信任的基礎(chǔ)上，引入Josang信任模型處理數(shù)據(jù)流中不確定因素問題，并對融合節(jié)點采取信譽度分組，對安全數(shù)據(jù)進行精準(zhǔn)評估。仿真結(jié)果表明，所提方法具有較高的安全數(shù)據(jù)融合精度，并且在數(shù)據(jù)融合過程中，簇頭節(jié)點的能耗較低，提高了數(shù)據(jù)融合的安全性。雖然所提方法有效解決了傳統(tǒng)方法存在的問題，但是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，傳感器中會產(chǎn)生大量的數(shù)據(jù)，如何提高數(shù)據(jù)融合的效率顯得十分重要，因此，接下來將以提高數(shù)據(jù)融合效率為目標(biāo)，對所提方法進行進一步改進，以此為傳感器數(shù)據(jù)安全問題提供理論參考。