CN102843672A - 一种基于能量场的传感网恶意节点检测方法 - Google Patents

Abstract

本发明公开了一种基于能量场的传感网恶意节点检测方法，包括步骤有：（1）构建基于能量场的无线传感网；（2）在所述传感网中运用ARMA预测模型来预测节点的剩余能量值；（3）基于能量的恶意节点检测。本发明构造了基于能量场的传感器网络使得能量消耗更加均衡有效延长网络的寿命，并且运用实时性较强的ARMA预测模型对节点能量进行预测，提高安全报警的准确度。更重要的是，现有技术中阈值的定义根据节点发送数据的能量消耗来计算的，若节点遭受攻击不断发送数据那么使得其阈值变大，而本发明采用动态阈值选取，并考虑了簇内节点成为簇头消耗能量较大的因素，进一步提高了检测的准确度。

Description

一种基于能量场的传感网恶意节点检测方法

技术领域

本发明涉及通信领域，具体涉及一种基于能量场的传感网恶意节点检测方法。

背景技术

无线传感器网络是一种资源有限且以数据为中心的无线通信网络，节点是用电池或其它易耗尽的电源作为供电设备来使传感器节点正常工作，整个网络通常是处于恶劣环境且完全暴露在敌方视野中的。因此，如何最大程度的使节点间能耗均衡，节约节点能耗，避免能耗攻击（如DOS攻击、Sinkhole攻击）等安全威胁，延长网络寿命是研究无线传感网安全应用的关键性问题。

专利《基于能量预测的无线传感器网络入侵检测方法》中包括以下步骤：(1)汇聚节点汇总所有的当前能量剩余信息，根据能量剩余信息预测出下一阶段所有节点的能量预计消耗值；能量消耗预测方法为：节点能量预测消耗值为汇聚节点根据节点工作状态的转移历史统计，对节点工作状态建立成为马尔科夫链，对下一阶段节点的工作状态进行在参与到一次成簇和路由转发工作所消耗的能量值。(2)计算节点的能量检测因子；汇聚节点预测出下一阶段所有节点的能量预计消耗值，并在下一轮收集到节点能量实际消耗值，进行对比得出检测因子。根据ΔE＝|E_p ^t-E_r ^t|计算所述能量检测因子，其中E_r ^t|为t个时间长度后节点上报至汇聚节点的节点能量实际消耗值，E_p ^t为节点在t个时间长度内能量预计消耗值。(3)将得到的能量检测因子ΔE与阈值Threshold_E比较，如果ΔE＞Threshold_E，则认为该节点在本周期内没有正常的工作，认定为受到了外界的恶意入侵从而导致节点没有按照规律工作，从而消耗的能量显著的增加或减少。其中，阈值公式为Threshold_E＝E_TX*k+ε_amp*k*d₀ ²，其中，k为发送数据的比特数，E_TX为发送每比特所要消耗的能量，ε_amp为无线传输衰减因子，d₀为正常节点的无线通信距离。其存在的不足包括：

(1)没有考虑到怎样使得网络节点的能量消耗更加均衡。

(2)定义的阈值公式为节点发送数据的能量消耗值，若恶意节点不断发送数据那么相应的使得其阈值变大，从而使得检测精度下降，因此这种定义阈值的方法有待改进。

发明内容

针对现有技术的不足，本发明提供一种基于能量场的传感网恶意节点检测方法，检测出威胁，为传感器网络的正常工作和延长网络生命周期奠定了基础。

本发明提供一种基于能量场的传感网恶意节点检测方法，其改进之处在于，所述方法包括如下步骤：

（1）构建基于能量场的无线传感网；

（2）在所述传感网中运用ARMA预测模型来预测节点的剩余能量值；

（3）基于能量的恶意节点检测。

其中，步骤（1）包括如下步骤：

（1-1）假定所有节点能量同构，每个节点确认自身的剩余能量，且节点在成为簇头期间不会受到恶意攻击；采用分布式自组织协议Leach协议进行分簇和选定簇头节点，使所有节点以轮为工作周期，周期性地轮流作为簇头节点；

（1-2）每轮簇头节点被确定时，通过一个单值能量势能函数计算出自身的势能值，并将自己的势能值通过与其周围邻居簇头节点数据通信时发送给邻居簇头节点；簇头节点获取周围邻居簇头的势能值的同时，通过接收无线信号的强弱或衰减程度算出与另一个簇头节点之间的通信开销C_uv，并计算出驱动数据分组流向各个邻居簇头节点力的大小；

（1-3）簇内节点将传感数据转发到自己所在簇的簇头节点，簇头节点进行数据转发时，转发给与它相邻的邻居簇头节点力F_u→v值最大的簇头节点，第二跳节点收到该数据分组，搜寻邻居簇头节点力F_u→v值最大的簇头节点，并转发该数据分组，直至数据分组到达唯一终点Sink节点；

（1-4）在每轮选举出的簇头节点中通过簇头节点之间的多跳路由与Sink节点形成一个“多对一”的且具有向心性的网络通信模型。

其中，步骤（1-2）所述单值能量势能函数为V(y)ay+b，其中a>0,函数单调递增；y为节点本身的剩余能量。

其中，步骤（1-2）所述簇头节点力的计算公式为：

$F_{u\→v}=-\frac{V\left(u\right)-V\left(v\right)}{C_{\mathrm{uv}}}$

其中，C_uv为两个簇头节点间的通信开销；V(u)为u节点根据单值能量势能函数计算出自身的势能值；V(v)为v节点根据单值能量势能函数计算出自身的势能值。

其中，步骤（2）包括如下步骤：

（2-1）通过无线通信模型，计算节点发送数据的能量消耗Etx和接收数据的能量消耗E_rx；

（2-2）簇头节点确认每轮簇内节点的剩余能量值和能量消耗值；

（2-3）簇头节点获取到的簇内节点消耗能量为X₀,X₁,…,X_i，…,X_n，并以此顺序为序列，对该序列建立ARMA(1,1)模型预测下一轮簇内节点能量消耗值

（2-4）将第j轮能量消耗预测值代入式得节点第j轮的剩余能量预测值

其中，步骤（2-1）计算节点发送数据的能量消耗E_tx的表达式为：

E_tx＝kE_Telec+kd²E_amp

计算节点接收数据的能量消耗E_rx的表达式为：

E_rx＝kE_Relec

其中，E_Telec为发送每个比特需要消耗的能量；E_Relec为接收每个比特需要消耗的能量；E_amp为信号放大器能耗；d为指网络中单个节点的最大通信距离；k为要发送或接收的数据比特位数。

其中，步骤（2-2）中设滑动时间窗的大小为n，簇头节点获取每轮节点消耗能量为X₀,X₁，…,X_i，…,X_n，其中

X_i＝E_tx,i(h,d)+E_rx,i(h)

X_i表示节点第i轮能量消耗；E_tx，i(h,d)为第i轮节点发送数据的能量消耗；E_rx，i(h)为第i轮节点接收数据的能量消耗；

节点第i轮的剩余能量实际值为第i-1轮的剩余能量实际值减去第i轮能量消耗实际值。（能量初始值E₀给定）

其中，步骤（2-4）所述剩余能量预测值的表达式为：

${\hat{E}}_j=E_{j-1}-{\hat{X}}_j;$

其中，

为第j轮剩余能量预测值，E_j-1为第j-1轮节点的剩余能量实际值，

为节点能量消耗预测值。

其中，步骤（3）包括如下步骤：

（3-1）选取报警阈值；

（3-2）根据得到的阈值T’，计算第Ri轮剩余能量实际值E_Ri与剩余能量预测值的差值；

（3-3）在M轮通信过程中，若簇头节点有连续ω轮预测与实际剩余之差的绝对值δ超过阈值T’，所述簇头节点将产生报警消息，报告此节点发生能量异常。

其中，步骤（3-1）报警阈值的计算方法为：

簇头节点按簇内某节点当选簇头节点的次数，分别计算簇内节点能量的平均值，并得到针对于当选簇头节点次数不同的各个簇内节点的当前的阈值T'，公式如下：

$T^{\′}\left(\mathrm{ClusterCnt}\right)=(1+a\%)|{\hat{E}}_{\mathrm{Ri}}-E_{\mathrm{Rimean}}|$

其中，ClusterCnt是节点当选簇头节点的次数；是第Ri轮簇头节点对簇内节点的剩余能量预测值；E_Rimean是第Ri轮且当选簇头ClusterCnt次簇内节点的实际剩余能量平均值；a是阈值选取的参量，根据准确度的需求设定。

其中，步骤（3-2）中所述计算第Ri轮剩余能量实际值E_Ri与剩余能量预测值

的差值的表达式为：

$\mathrm{\δ}=|E_{\mathrm{Ri}}-{\hat{E}}_{\mathrm{Ri}}|.$

与现有技术比，本发明的有益效果为：

现有技术中，直接采用马尔科夫链对节点的能量消耗进行预测，并没有考虑网线传感器网络整体能量均衡的问题；而本发明构造了基于能量场的传感器网络使得能量消耗更加均衡有效延长网络的寿命，并且运用实时性较强的ARMA预测模型对节点能量进行预测，提高安全报警的准确度。更重要的是，现有技术中阈值的定义根据节点发送数据的能量消耗来计算的，若节点遭受攻击不断发送数据那么使得其阈值变大；而本发明采用动态阈值选取，并考虑了簇内节点成为簇头消耗能量较大的因素，进一步提高了检测的准确度。

附图说明

图1为本发明提供的基于能量势能场传感器网络通信示意图。其中黑色节点表示此轮选举出的簇头节点。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

为了增强网络中能量消耗的均衡性且能快速准确检测出以能耗攻击为主的恶意节点，确保网络更长时间的可用性。本发明首先考虑到无线传感网中数据分组流向的向心性和节点的能量有限性，在无线传感器网络上建立一种基于能量势能场的路由协议形成基于能量场的传感网络；其次在基于能量场的传感网中运用ARMA预测模型对节点的能量消耗进行预测，进而计算出节点的剩余能量预测值；最后选取动态阈值形成一套检测评估机制，检测恶意节点，其步骤如下：

（1）构建基于能量场的无线传感网。

（1-1）假定所有节点能量同构，节点能知晓自身的剩余能量，并且节点在成为簇头期间不会受到恶意攻击。采用分布式自组织协议Leach协议来进行分簇和选定簇头节点，使得所有节点以轮为工作周期，周期性地轮流担任簇头节点。

（1-2）每轮簇头节点被选出来时，通过一个单值能量势能函数V(y)ay+b，其中a>0,函数单调递增。y为节点本身的剩余能量，通过该函数每个节点计算出自身的势能值，当与其周围邻居簇头节点有数据通信时，就将自己的势能值附加在此数据后面发送给邻居簇头节点，当某个簇头节点获取它周围邻居簇头的势能值的同时，通过接收无线信号的强弱或衰减程度估算出它们两个簇头节点之间的通信开销C_uv，并通过下式计算出驱动数据分组流向它各个邻居簇头节点“力”的大小。

$F_{u\→v}=-\frac{V\left(u\right)-V\left(v\right)}{C_{\mathrm{uv}}}$

其中，C_uv为两个簇头节点间的通信开销；V(u)为u节点根据单值能量势能函数计算出自身的势能值；V(v)为v节点根据单值能量势能函数计算出自身的势能值。

（1-3）簇内普通节点将传感数据转发到自己所在簇的簇头节点，簇头节点进行数据转发时，簇头节点就搜寻与它相邻的簇头节点最大的F_u→v值，即能量势能场的梯度，并将数据分组向此梯度的方向转发，第二跳节点收到该数据分组同样搜寻最大F_u→v值，并向此梯度方向转发该数据分组，直至数据分组到达唯一终点Sink节点。

（1-4）通过上述步骤最终使得在每轮选举出的簇头节点中通过簇头节点之间的多跳路由与Sink节点形成一个“多对一”的且具有向心性的网络通信模型。其模型如图1所示。通过在Leach协议中引入能量势能场，簇头节点逐跳地将数据路由给剩余能量较多的邻居簇头节点并最终传递给Sink节点，引入能量势能场后能够更加均衡节点的能量消耗，延长网络生存时间。

通过在Leach协议中引入能量势能场，簇头节点逐跳地将数据路由给剩余能量较多的邻居簇头节点并最终传递给Sink节点，引入能量势能场后能够更加均衡节点的能量消耗，延长网络生存时间。

(2)在能量场的传感网中运用ARMA预测模型来预测节点的剩余能量值。

(2-1)采用无线通信模型进行计算节点发送数据的能量消耗E_Tx以及接收数据的能量消耗E_Rx：

$E_{\mathrm{Tx}}=k{E}_{\mathrm{Telec}}+k{d}^2{E}_{\mathrm{amp}}$

E_Rx＝kE_Relec

其中，E_Telec表示发送每个比特需要消耗的能量，E_Relec表示接收每个比特需要消耗的能量，E_amp是信号放大器能耗，d是指网络中单个节点的最大通信距离，k为要发送或接收的数据比特位数。

(2-2)簇头节点收集每轮簇内节点的剩余能量值和能量消耗值。假设滑动时间窗的大小为n，簇头节点获取每轮节点消耗能量为X₀，X₁，...，X_i，...，X_n，其中

X_i＝E_tx，i(h，d)+E_rx，i(h)

X_i表示节点第i轮能量消耗；E_tx，i(h，d)为第i轮节点发送数据的能量消耗；E_rx，i(h)为第i轮节点接收数据的能量消耗；

(2-3)簇头节点获取到的簇内节点能量消耗序列为X₀，X₁，...，X_i，...，X_n对该序列，建立ARMA(1，1)模型预测下一轮簇内节点能量消耗值

(2-4)最后将第j轮能量消耗预测值代入式得节点第j轮的剩余能量预测值

${\hat{E}}_j=E_{j-1}-{\hat{X}}_j$ 且E₀＝E_int

其中，

为第j轮剩余能量预测值，E_j-1为第j一1轮节点的剩余能量实际值，

为节点能量消耗预测值。

（3）基于能量的恶意节点检测。

（3-1）报警阈值选取。簇头节点按簇内某节点当选簇头节点的次数，分别计算此时刻簇内节点能量的平均值，并得到针对于当选簇头节点次数不同的各个簇内节点的当前的阈值T'，公式如下：

$T^{\′}\left(\mathrm{ClusterCnt}\right)=(1+a\%)|{\hat{E}}_{\mathrm{Ri}}-E_{\mathrm{Rimean}}|$

ClusterCnt是节点当选簇头节点的次数，是第Ri轮簇头节点对簇内节点的剩余能量预测值，E_Rimean是第Ri轮且当选簇头ClusterCnt次簇内节点的真实剩余能量平均值，a是阈值选取的参量可根据准确度的需求具体选取。按节点当选簇头节点的次数分别计算阈值T’。

（3-2）设阈值为T’，算第Ri轮剩余能量实际值E_Ri与剩余能量预测值

的差值为 $\mathrm{\δ}=|E_{\mathrm{Ri}}-{\hat{E}}_{\mathrm{Ri}}|;$

（3-3）在M轮通信过程中，如果此节点有连续ω轮预测与实际剩余之差的绝对值δ超过阈值T’，簇头节点将产生报警消息，报告此节点发生了能量异常。

具体的，如图1所示，在采用Leach协议的分簇传感器网络中每轮簇头节点被选出来时，每个簇头节点通过一个单值能量势能函数计算出自身的势能值，当与其周围邻居簇头节点有数据通信时，就将自己的势能值附加在此数据后面发送给邻居簇头节点，当簇头节点A获取它周围邻居簇头的势能值的同时，通过接收无线信号的强弱或衰减程度估算出它们两个簇头节点之间的通信开销C_uv，并通过公式

计算出驱动数据分组流向它各个邻居簇头节点“力”F_u→v的大小。A簇内的普通节点将传感数据转发到自己所在簇的簇头节点A，簇头节点进行数据转发时，簇头节点A就搜寻与它相邻的簇头节点最大的F_u→v值为节点B，即能量势能场的梯度，并将数据分组向此梯度的方向转发，第二跳节点收到该数据分组同样搜寻最大F_u→v值为节点C，按照同样方式建立到达Sink节点唯一路径A-B-C-D。

在上述网络中继续以A簇为例，簇头A使用获取到的簇内节点能量消耗序列建立ARMA模型，然后使用该模型计算簇内节点下一轮的能量消耗预测值

最后将能量消耗预测值代入公式

得到簇内每个节点下一轮的剩余能量预测值。预测过程结束后即进入阈值选取阶段，簇头对簇内节点按当选簇头节点的次数进行分类，并计算不同类节点的剩余能量平均值E_Rimean，将其代入公式

得到各类节点的本轮阈值T'。以簇A为例，其簇内节点A₂,A₅,A₆当选过簇头的次数相同且均为2次，则可根据阈值公式分别计算出A₂,A₅,A₆的阈值，其中E_Rimean是第Ri轮且当选簇头2次簇内节点A₂,A₅,A₆的真实剩余能量平均值，ClusterCnt是节点当选簇头节点的次数，

是第Ri轮簇头A对簇内节点A₂,A₅,A₆的剩余能量预测值，a是阈值选取的参量，可根据准确度的需求具体选取。在M轮通信过程中，如果某个簇内有连续ω轮预测与实际剩余之差的绝对值超过阈值T’，簇头节点将产生报警消息，报告此节点发生了能量异常。

本发明首先提出基于能量场的无线传感器网络，在簇头节点之间转发过程中，驱动数据分组流向剩余能量相对较多的簇头节点，起到更加均衡地利用节点能量的效果，极大地延长网络的生命周期。然后在基于能量场的无线传感器网络中簇头节点采用ARMA预测模型对节点剩余能量进行预测并检测报警，达到降低能耗攻击发生的概率，避免节点过早耗尽能量导致网络生命周期终结。如DoS攻击，这种能源攻击对整个网络的影响巨大，轻则使监测区域范围减小，重则网络分离、大部分节点失效造成网络无法正常工作。同样，传感器网络的另一个主要威胁Sinkhole攻击也能准确地检测出来，使得恶意节点想伪造一个高能量节点作为高效路由变得十分困难。检测出这些威胁为传感器网络的正常工作和延长网络生命周期奠定了基础。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (11)

1.一种基于能量场的传感网恶意节点检测方法，其特征在于，所述方法包括如下步骤：

（1）构建基于能量场的无线传感网；

（2）在所述传感网中运用ARMA预测模型来预测节点的剩余能量值；

（3）基于能量的恶意节点检测。

2.如权利要求1所述的传感网恶意节点检测方法，其特征在于，步骤（1）包括如下步骤：

（1-1）假定所有节点能量同构，每个节点确认自身的剩余能量，且节点在成为簇头期间不会受到恶意攻击；采用分布式自组织协议Leach协议进行分簇和选定簇头节点，使所有节点以轮为工作周期，周期性地轮流作为簇头节点；

（1-2）每轮簇头节点被确定时，通过一个单值能量势能函数计算出自身的势能值，并将自己的势能值通过与其周围邻居簇头节点数据通信时发送给邻居簇头节点；簇头节点获取周围邻居簇头的势能值的同时，通过接收无线信号的强弱或衰减程度算出与另一个簇头节点之间的通信开销C_uv，并计算出驱动数据分组流向各个邻居簇头节点力的大小；

（1-3）簇内节点将传感数据转发到自己所在簇的簇头节点，簇头节点进行数据转发时，转发给与它相邻的邻居簇头节点力F_u→v值最大的簇头节点，第二跳节点收到该数据分组，搜寻邻居簇头节点力F_u→v值最大的簇头节点，并转发该数据分组，直至数据分组到达唯一终点Sink节点；

（1-4）在每轮选举出的簇头节点中通过簇头节点之间的多跳路由与Sink节点形成一个“多对一”的且具有向心性的网络通信模型。

3.如权利要求2所述的传感网恶意节点检测方法，其特征在于，步骤（1-2）所述单值能量势能函数为V(y)=ay+b，其中a>0,函数单调递增；y为节点本身的剩余能量。

4.如权利要求2所述的传感网恶意节点检测方法，其特征在于，步骤（1-2）所述簇头节点力的计算公式为：

$F_{u\→v}=-\frac{V\left(u\right)-V\left(v\right)}{C_{\mathrm{uv}}}$

其中，C_uv为两个簇头节点间的通信开销；V(u)为u节点根据单值能量势能函数计算出自身的势能值；V(v)为v节点根据单值能量势能函数计算出自身的势能值。

5.如权利要求1所述的传感网恶意节点检测方法，其特征在于，步骤（2）包括如下步骤：

（2-1）计算节点发送数据的能量消耗E_tx和接收数据的能量消耗E_rx；

（2-2）簇头节点确认每轮簇内节点的剩余能量值和能量消耗值；

（2-3）簇头节点获取到的簇内节点消耗能量为X₀,X₁,…,X_i，…,X_n，并以此顺序为序列，对该序列建立ARMA(1,1)模型预测下一轮簇内节点能量消耗值

（2-4）将第j轮能量消耗预测值代入式得节点第j轮的剩余能量预测值

6.如权利要求5所述的传感网恶意节点检测方法，其特征在于，

步骤（2-1）计算节点发送数据的能量消耗E_tx的表达式为：

E_tx＝kE_Telec+kd²E_amp

计算节点接收数据的能量消耗E_rx的表达式为：

E_rx＝kE_Relec

其中，E_Telec为发送每个比特需要消耗的能量；E_Relec为接收每个比特需要消耗的能量；E_amp为信号放大器能耗；d为指网络中单个节点的最大通信距离；k为要发送或接收的数据比特位数。

7.如权利要求5所述的传感网恶意节点检测方法，其特征在于，步骤（2-2）中设滑动时间窗的大小为n，簇头节点获取每轮节点消耗能量为X₀,X₁，…,X_i，…,X_n，其中

X_i＝E_tx,i(h,d)+E_rx,i(h)

X_i表示节点第i轮能量消耗；E_tx，i(h,d)为第i轮节点发送数据的能量消耗；E_rx，i(h)为第i轮节点接收数据的能量消耗；

剩余能量为第i-1个节点的剩余能量减去第i个能量消耗。

8.如权利要求5所述的传感网恶意节点检测方法，其特征在于，步骤（2-4）所述剩余能量预测值

的表达式为：

${\hat{E}}_j=E_{j-1}-{\hat{X}}_j;$

其中，

为第j轮剩余能量预测值，E_j-1为第j-1轮节点的剩余能量实际值，

为节点能量消耗预测值。

9.如权利要求1所述的传感网恶意节点检测方法，其特征在于，步骤（3）包括如下步骤：

（3-1）选取报警阈值；

（3-2）根据得到的阈值T’，计算第Ri轮剩余能量实际值E_Ri与剩余能量预测值

的差值；

（3-3）在M轮通信过程中，若簇头节点有连续ω轮预测与实际剩余之差的绝对值δ超过阈值T’，所述簇头节点将产生报警消息，报告此节点发生能量异常。

10.如权利要求9所述的传感网恶意节点检测方法，其特征在于，步骤（3-1）报警阈值的计算方法为：

簇头节点按簇内某节点当选簇头节点的次数，分别计算簇内节点能量的平均值，并得到针对于当选簇头节点次数不同的各个簇内节点的当前的阈值T'，公式如下：

$T^{\′}\left(\mathrm{ClusterCnt}\right)=(1+a\%)|{\hat{E}}_{\mathrm{Ri}}-E_{\mathrm{Rimean}}|$

其中，ClusterCnt是节点当选簇头节点的次数；是第Ri轮簇头节点对簇内节点的剩余能量预测值；E_Rimean是第Ri轮且当选簇头ClusterCnt次簇内节点的实际剩余能量平均值；a是阈值选取的参量，根据准确度的需求设定。

11.如权利要求9所述的传感网恶意节点检测方法，其特征在于，步骤（3-2）中所述第Ri轮剩余能量实际值E_Ri与剩余能量预测值

的差值的表达式为：

$\mathrm{\δ}=|E_{\mathrm{Ri}}-{\hat{E}}_{\mathrm{Ri}}|.$

Images