CN102917430A - 基于量子蚁群算法的无线传感器网络可信安全路由 - Google Patents

基于量子蚁群算法的无线传感器网络可信安全路由 Download PDF

Info

Publication number
CN102917430A
CN102917430A CN2012103930022A CN201210393002A CN102917430A CN 102917430 A CN102917430 A CN 102917430A CN 2012103930022 A CN2012103930022 A CN 2012103930022A CN 201210393002 A CN201210393002 A CN 201210393002A CN 102917430 A CN102917430 A CN 102917430A
Authority
CN
China
Prior art keywords
node
ant
path
sensor network
quantum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012103930022A
Other languages
English (en)
Inventor
王潮
姜丽莹
贾徽徽
刘瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN2012103930022A priority Critical patent/CN102917430A/zh
Publication of CN102917430A publication Critical patent/CN102917430A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及一种基于量子蚁群算法的无线传感器网络可信安全路由。其确定路由的具体步骤为：1）设定初始信息素，2）确定可信度函数，3)路径选择，4）记录和更新最优解，5）信息素更新，6）跳转到步骤3）循环至终止迭代，7）输出最优。分析表明，本路由确定方法的收敛速度以及全局寻优方面均优于传统蚁群算法，能够全局的平衡网络节点的能量消耗，避免一些关键节点的过早死亡导致网络分隔成很多孤岛；可有效抵抗Wormholes攻击等无线传感器网络特有的能量黑洞攻击，并有助于构造可信网络环境。

Description

基于量子蚁群算法的无线传感器网络可信安全路由
技术领域
本发明涉及一种基于量子蚁群算法的无线传感器网络可信安全路由，它可提高无线传感器网络的收敛速度以及全局寻优能力，并可有效抵抗能量黑洞攻击，属于网络安全领域。
背景技术
无线传感器网络采用多跳无线通信技术，每个节点都是潜在的路由节点，且节点受到资源限制，各节点将采集到的数据利用多跳接力的方式发至汇聚节点，这必将导致内层节点承担的数据发送量较重，能量消耗过快，最终导致网络有效覆盖面积降低。因此，无线传感器网络路由的选择要结合节点的能量信息，使得网络中节点的能量消耗能够得到全局均衡，延长网络连通正常工作的时间。
蚁群算法属于一类模拟自然界生物系统行为或过程的最优化群体智能算法，算法本身具备分布式计算、自组织性和反馈性等特点，与无线传感器网络的自组织网络特点极其相似。将蚁群算法应用于无线传感器网络上，可以在很大程度的提高传感器网络性能，但该算法仍存在问题：一是由于缺乏初始信息素，算法初期搜索过程进行缓慢，影响全局的收敛速度。二是在大规模传感器网络中，蚁群算法在寻找路径时易陷入局部最优解，使算法过早收敛。
当前网络的安全性已经成为制约无线传感器网络发展的瓶颈，无线传感器网络的节点和组网特点，其能耗的限制，导致无线传感网的安全威胁很多不同于传统计算机网络。
我们认为无线传感器网络的路由算法应该满足下面原则：
1)        保持全网全局能量负载平衡：通过路由策略，让各个节点分担数据传输，平衡节点的剩余能量，提高整个网络的生存时间。
2)        具有一定的容错性和网络自愈功能：无线传感网络容易发生故障，因此应尽量利用节点易获得的网络信息计算路由，以确保出现故障时能够尽快地修复。
3)        以数据为中心，路由协议将继续向基于数据、基于位置的方向发展。
4)        应具有可信安全性：无线传感网络的固有特性，节点是开放的，且节点间缺乏信任机制，假定都是友好的节点，路由协议极易受到安全威胁，因此必须考虑设计具有可信安全机制的路由协议。
无线传感器网络的一类主要安全攻击是旨在恶意消耗节点能量，使得无线传感器网络不能有效地完成数据收集任务，目前所知道的有虚假路由信息、选择性转发、污水池（sinkhole）攻击、女巫（sybil）攻击、虫洞（wormhole）攻击等众多安全隐患。针对无线传感器网络的安全威胁中，虚假路由信息、选择性转发、Sybil 攻击都可以依靠密码技术，通过数据加密防止传送内容被敌手破解，同时依靠公钥体制，实施双向身份认证安全保障，防止非法节点接入无线传感器网络以及恶意节点改变身份，从而提高路由协议的安全性。但是对Sinkhole，特别是Wormhole此类的路由能量黑洞安全攻击，一般的无线传感网路由协议缺乏相应的对策，可信安全路由就是基于这类攻击而提出的。
发明内容
鉴于以上所述现有技术存在的问题和不足，本发明的目的在于提供一种基于量子蚁群算法的无线传感器网络可信安全路由，提高无线传感器网络的收敛速度以及全局寻优能力，并可有效抵抗能量黑洞攻击，增强网络的安全性。
为了达到上述目的，本发明的构思如下：
(1)      由于传统蚁群算法存在易陷入局部最优解和收敛速度慢等问题，量子计算的全局寻优和快速收敛特点可以很好的解决此问题，因此考虑将量子理论引入路由设计中，量子蚁群算法就是将量子算法与蚁群算法相结合形成的一种量子进化算法。
(2)      在量子蚁群算法中，蚂蚁释放的信息素不是撒在经过的全部路径上，而是撒在蚂蚁当前驻留的位置上，通常由一组量子比特(qubit)的概率幅来表示蚂蚁的当前位置。量子蚁群算法应用于无线传感器网络路由，可以用量子比特直接表示当前信息素，用量子旋转门来更新信息素，用量子非门实现信息素的变异，降低系统设计复杂性，从而降低节点的能量消耗。
(3)      从网络安全的角度出发，考虑到无线传感器网络节点间缺乏信任机制，采用可信网络思想，以节点可信度作为信息素分配策略，综合能量消耗预测进行路径选择，实现基于全局能量均衡的无线传感器网络可信安全路由算法。
(4)      引入相邻节点可信度                                                
Figure 2012103930022100002DEST_PATH_IMAGE001
，蚂蚁由节点
Figure 830253DEST_PATH_IMAGE002
选择下一条节点时，首先计算邻居节点的可信度值，然后选取可信度与自身差值小于一定门限的可信节点作为下一跳节点。此时时延可用节点间距离表示，距离越大可信度越小；节点的剩余能量与当前节点的信息素浓度有关，剩余能量越大表示经过的蚂蚁越少，信息素浓度也就越小，此时可信度值越大，这样可以保证传感器网络的全局能量的均衡。
根据上述发明构思，本发明专利采用的技术方案如下：
一种基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于路由算法的具体步骤为：
1)       设定蚂蚁个数为
Figure 2012103930022100002DEST_PATH_IMAGE003
，传感器网络空间大小为
Figure 755484DEST_PATH_IMAGE004
，汇聚节点为
Figure 917475DEST_PATH_IMAGE006
。初始化信息素
Figure 2012103930022100002DEST_PATH_IMAGE007
，初始迭代次数
Figure 182234DEST_PATH_IMAGE008
，为设定的最大迭代次数。初始最短路径
Figure 466585DEST_PATH_IMAGE010
。根据蚂蚁个数及空间大小确定区域大小，将各蚂蚁置于各搜索区域中；
2)       计算到达汇聚节点的路径
Figure 2012103930022100002DEST_PATH_IMAGE011
的距离
Figure 77749DEST_PATH_IMAGE012
、可见度函数、信息素水平以及转移概率；
3)       第
Figure 2012103930022100002DEST_PATH_IMAGE013
只蚂蚁根据可信度的大小来选择到达汇聚节点
Figure 197015DEST_PATH_IMAGE006
的路径并记录，同时释放信息素。路径越短则认为该路径属于最优路径的可能性越大；
4)       记录此次迭代过程的最优路径解
Figure 589950DEST_PATH_IMAGE014
，并通过比较更新最优解
Figure 2012103930022100002DEST_PATH_IMAGE015
；
5)       应用量子门旋转规则更新每条路径上的信息素；
6)       
Figure 489773DEST_PATH_IMAGE016
，跳转到步骤3)；若满足结束条件,即如果循环次数
Figure 2012103930022100002DEST_PATH_IMAGE017
,则循环结束,终止迭代；
7)       输出最优解
Figure 993567DEST_PATH_IMAGE015
。
上述步骤1）中初始化信息素的方法是：设蚁群中共有
Figure 29656DEST_PATH_IMAGE003
只蚂蚁，每只蚂蚁携带个量子比特，在无线传感器网络中从源节点到目的节点的所有可能方法定义为量子蚁群算法中的路径；存在
Figure 213568DEST_PATH_IMAGE004
种到达目的节点
Figure 583369DEST_PATH_IMAGE006
的路径，记为路径
Figure 677227DEST_PATH_IMAGE011
Figure 2012103930022100002DEST_PATH_IMAGE019
；设蚁群第代中包含
Figure 411965DEST_PATH_IMAGE003
个个体的种群为
Figure 20801DEST_PATH_IMAGE022
，其中第
Figure 2012103930022100002DEST_PATH_IMAGE023
个个体的初始信息素
Figure 928714DEST_PATH_IMAGE024
为：
        
Figure 2012103930022100002DEST_PATH_IMAGE025
                          （1）
式中，初始迭代次数
Figure 877078DEST_PATH_IMAGE026
，为量子比特数，为量子比特的两个概率幅，开始时
Figure 400822DEST_PATH_IMAGE028
均取
Figure 2012103930022100002DEST_PATH_IMAGE029
。
上述步骤2）中计算可见度函数方法如下：
可见度函数主要根据节点可信度确定，根据无线传感器网络的可信性三大基本指标：时延、丢包率和剩余能量，得出无线传感器网络节点
Figure 112426DEST_PATH_IMAGE002
和相邻的节点
Figure 180876DEST_PATH_IMAGE030
的可信度
Figure 319734DEST_PATH_IMAGE001
为  
             
Figure 2012103930022100002DEST_PATH_IMAGE031
                                    （2）
其中，
Figure 637582DEST_PATH_IMAGE032
代表延时，
Figure 2012103930022100002DEST_PATH_IMAGE033
代表丢包率，代表节点的剩余能量，
Figure 2012103930022100002DEST_PATH_IMAGE035
、
Figure 323276DEST_PATH_IMAGE036
、
Figure 2012103930022100002DEST_PATH_IMAGE037
的选择使得延时、丢包、剩余能量三项值分别在0 ~1之间；由上式可看出，可信度与时延近似成反比，与节点剩余能量近似成正比；在蚁群算法搜索建立无线传感网路由时，根据式（2）计算得到
Figure 564639DEST_PATH_IMAGE001
，代表相邻的节点
Figure 618046DEST_PATH_IMAGE030
具有多少可信度，决定下一跳是否选择节点
Figure 457826DEST_PATH_IMAGE030
。
上述步骤3）中路径选择时，第只蚂蚁根据可信度的大小来选择到达汇聚节点
Figure 434189DEST_PATH_IMAGE006
的路径并记录，同时释放信息素，路径越短则认为该路径属于最优路径的可能性越大，具体操作方法如下：
蚂蚁在节点a选择下一跳节点时，首先计算邻居节点的可信度
Figure 25707DEST_PATH_IMAGE001
，并与自身相比较，若可信度与自身差值小于一定门限，则认为此邻居节点为可信节点可以跳转；否则重新计算其他邻居节点，直到找到可信节点为止；此时时延可用节点间距离表示，距离越大可信度越小；节点的剩余能量与当前节点的信息素浓度有关，剩余能量越大表示经过的蚂蚁越少，信息素浓度也就越小，此时可信度值越大，这样可以保证传感器网络的全局能量的均衡；
蚂蚁每经过一条路径，释放的信息素为：
      
Figure 574817DEST_PATH_IMAGE038
                            （3）
式中，
Figure 2012103930022100002DEST_PATH_IMAGE039
是节点
Figure 354554DEST_PATH_IMAGE002
与节点
Figure 749764DEST_PATH_IMAGE030
之间的距离，
Figure 501819DEST_PATH_IMAGE040
是到每个节点路径的平均距离，
Figure 2012103930022100002DEST_PATH_IMAGE041
是所有路径中的最大距离。
上述步骤5）中应用量子门旋转规则更新每条路径上的信息素的方法是：
在QACA中，
Figure 324282DEST_PATH_IMAGE003
只蚂蚁完成一次搜索后，利用量子旋转门实现每条路径信息素的更新：
Figure 27533DEST_PATH_IMAGE042
                                  （4）
Figure 2012103930022100002DEST_PATH_IMAGE043
是第
Figure 164116DEST_PATH_IMAGE006
个量子位的旋转角度，
Figure 832995DEST_PATH_IMAGE043
的大小选取关系到算法收敛速度，函数 值可通过查下表得到：
Figure 2012103930022100002DEST_PATH_IMAGE045
注:
Figure 518371DEST_PATH_IMAGE046
和
Figure 2012103930022100002DEST_PATH_IMAGE047
是最优解概率幅，
Figure 458646DEST_PATH_IMAGE048
和
Figure 2012103930022100002DEST_PATH_IMAGE049
是当前解概率幅，
Figure 982031DEST_PATH_IMAGE050
，
Figure 2012103930022100002DEST_PATH_IMAGE051
，，
Figure 2012103930022100002DEST_PATH_IMAGE053
。
其中                   
Figure 761823DEST_PATH_IMAGE054
                                       (5) 
在蚁群算法应用于传感器网络路由时，容易陷入局部最小，这主要是由蚁群在搜索空间中多样性丢失造成的；在QACA中引入变异算法，通过量子非门对量子比特的两个概率幅互换，增加蚁群多样性，避免算法过早收敛。
本发明中基于量子蚁群算法的无线传感器网络可信安全路由的设计方法与现有技术相比具有的优点在于：该路由机制考虑了时延、丢包率和剩余能量等因素，既可建立可信安全路由，又可以发挥量子蚁群特点，提高传感器网络路由建立的算法收敛速度，同时避免算法过早收敛，进一步均衡全局能量消耗，避免单一节点能量过早消耗完，提高无线传感器网络整体性能。
附图说明
图1 节点状态转移
图2 Wormhole 攻击
图3 路由算法流程。
具体实施方式
本发明的优选实施例结合附图详述如下：
实施例一：
本基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于确定路由的具体操作步骤如下： 
1)       设定初始信息素：设定蚂蚁个数为
Figure 302526DEST_PATH_IMAGE003
，传感器网络空间大小为
Figure 2012103930022100002DEST_PATH_IMAGE055
，汇聚节点为
Figure 680417DEST_PATH_IMAGE006
；初始化信息素
Figure 218846DEST_PATH_IMAGE007
，初始迭代次数
Figure 682188DEST_PATH_IMAGE056
，
Figure 26582DEST_PATH_IMAGE009
为设定的最大迭代次数；初始最短路径
Figure 2012103930022100002DEST_PATH_IMAGE057
；根据蚂蚁个数及空间大小确定区域大小，将各蚂蚁至于各搜索区域中；
2)       确定可见度函数：计算到达汇聚节点
Figure 196663DEST_PATH_IMAGE006
的路径
Figure 968310DEST_PATH_IMAGE011
的距离
Figure 355167DEST_PATH_IMAGE012
、可见度函数、信息素水平以及转移概率；
3)       路径选择：第
Figure 237672DEST_PATH_IMAGE013
只蚂蚁根据可信度的大小来选择到达汇聚节点
Figure 590156DEST_PATH_IMAGE006
的路径并记录，同时释放信息素，路径越短则认为该路径属于最优路径的可能性越大；
4)       记录此次迭代过程的最优路径解
Figure 470388DEST_PATH_IMAGE014
，并通过比较更新最优解
Figure 908322DEST_PATH_IMAGE015
；
5)       信息素更新：应用量子门旋转规则更新每条路径上的信息素；
6)       
Figure 594518DEST_PATH_IMAGE058
，跳转到步骤3)；若满足结束条件,即如果循环次数
Figure 739192DEST_PATH_IMAGE017
，则循环结束，终止迭代；
7)       输出最优解
Figure 852641DEST_PATH_IMAGE015
。
实施例二：
本实施例与实施例一基本相同，特别之处是：
所述步骤1)中初始化信息素的方法是：设蚁群中共有
Figure 777872DEST_PATH_IMAGE003
只蚂蚁，每只蚂蚁携带
Figure 939863DEST_PATH_IMAGE018
个量子比特，在无线传感器网络中从源节点到目的节点的所有可能方法定义为量子蚁群算法中的路径。存在种到达目的节点
Figure 285711DEST_PATH_IMAGE006
的路径，记为路径
Figure 134456DEST_PATH_IMAGE011
Figure 162455DEST_PATH_IMAGE019
；设蚁群第
Figure 281721DEST_PATH_IMAGE021
代中包含
Figure 736973DEST_PATH_IMAGE003
个个体的种群为
Figure 2012103930022100002DEST_PATH_IMAGE059
，其中第个个体的初始信息素
Figure 875010DEST_PATH_IMAGE024
为：
        
Figure 114361DEST_PATH_IMAGE060
                          （6）
式中，初始迭代次数，
Figure 862055DEST_PATH_IMAGE018
为量子比特数，
Figure 668074DEST_PATH_IMAGE027
为量子比特的两个概率幅，开始时
Figure 824249DEST_PATH_IMAGE028
均取。
所述步骤2)中计算可见度函数方法是：可见度函数主要根据节点可信度确定，根据无线传感器网络的可信性三大基本指标：时延、丢包率和剩余能量，得出无线传感器网络节点a和相邻的节点b的可信度为  
             
Figure 75736DEST_PATH_IMAGE031
                                    （7）
其中，
Figure 86417DEST_PATH_IMAGE032
代表延时，
Figure 992056DEST_PATH_IMAGE033
代表丢包率，
Figure 88188DEST_PATH_IMAGE034
代表节点
Figure 799793DEST_PATH_IMAGE030
的剩余能量，、
Figure 741521DEST_PATH_IMAGE036
、
Figure 324949DEST_PATH_IMAGE037
的选择使得延时、丢包、剩余能量三项值分别在0 ~1之间；由上式可看出，可信度与时延近似成反比，与节点剩余能量近似成正比；在蚁群算法搜索建立无线传感网路由时，根据式（7）计算得到
Figure 840244DEST_PATH_IMAGE001
，代表相邻的节点
Figure 933839DEST_PATH_IMAGE030
具有多少可信度，决定下一跳是否选择节点
Figure 243598DEST_PATH_IMAGE030
。
所述步骤3)中路径选择时，第
Figure 314322DEST_PATH_IMAGE013
只蚂蚁根据可信度的大小来选择到达汇聚节点
Figure 367729DEST_PATH_IMAGE006
的路径并记录，同时释放信息素，路径越短则认为该路径属于最优路径的可能性越大，具体操作方法如下：
蚂蚁在节点a选择下一跳节点时，首先计算邻居节点的可信度
Figure 145192DEST_PATH_IMAGE001
，并与自身相比较，若可信度
Figure 625852DEST_PATH_IMAGE001
与自身差值小于一定门限，则认为此邻居节点为可信节点可以跳转；否则重新计算其他邻居节点，直到找到可信节点为止；此时时延可用节点间距离表示，距离越大可信度越小；节点的剩余能量与当前节点的信息素浓度有关，剩余能量越大表示经过的蚂蚁越少，信息素浓度也就越小，此时可信度值越大，这样可以保证传感器网络的全局能量的均衡；
蚂蚁每经过一条路径，释放的信息素为：
      
Figure 2012103930022100002DEST_PATH_IMAGE061
                            （8）
式中，
Figure 183872DEST_PATH_IMAGE039
是节点
Figure 713074DEST_PATH_IMAGE002
与节点
Figure 407360DEST_PATH_IMAGE030
之间的距离，
Figure 324501DEST_PATH_IMAGE040
是到每个节点路径的平均距离，
Figure 104238DEST_PATH_IMAGE041
是所有路径中的最大距离。
所述步骤5)中应用量子门旋转规则更新每条路径上的信息素的方法是：在QACA中，
Figure 935665DEST_PATH_IMAGE003
只蚂蚁完成一次搜索后，利用量子旋转门实现每条路径信息素的更新：
                                  （9）
Figure 572500DEST_PATH_IMAGE043
是第
Figure 839533DEST_PATH_IMAGE006
个量子位的旋转角度，
Figure 976117DEST_PATH_IMAGE043
的大小选取关系到算法收敛速度，函数
Figure 644995DEST_PATH_IMAGE044
 值可通过查下表得到：
Figure 638359DEST_PATH_IMAGE045
注:
Figure 392689DEST_PATH_IMAGE046
和
Figure 67384DEST_PATH_IMAGE047
是最优解概率幅，
Figure 590769DEST_PATH_IMAGE048
和
Figure 20613DEST_PATH_IMAGE049
是当前解概率幅，
Figure 262239DEST_PATH_IMAGE050
，
Figure 2012103930022100002DEST_PATH_IMAGE063
，
Figure 475045DEST_PATH_IMAGE064
，。
其中                   
Figure 118516DEST_PATH_IMAGE054
                                       (10) 
在蚁群算法应用于传感器网络路由时，容易陷入局部最小，这主要是由蚁群在搜索空间中多样性丢失造成的；在QACA中引入变异算法，通过量子非门对量子比特的两个概率幅互换，增加蚁群多样性，避免算法过早收敛。
实施例三：
    参见图1~图3，本发明基于量子蚁群算法的无线传感器网路可信安全路由的确定，具体操作步骤如下：
1)        初始化信息素
设蚁群中共有
Figure 889901DEST_PATH_IMAGE003
只蚂蚁，每只蚂蚁携带
Figure 618822DEST_PATH_IMAGE018
个量子比特；在无线传感器网络中从源节点到目的节点的所有可能方法定义为量子蚁群算法中的路径，存在
Figure 697637DEST_PATH_IMAGE004
种到达目的节点
Figure 195614DEST_PATH_IMAGE006
的路径，记为路径
Figure 904944DEST_PATH_IMAGE011
；设蚁群第
Figure 738088DEST_PATH_IMAGE021
代中包含
Figure 90572DEST_PATH_IMAGE003
个个体的种群为
Figure 970803DEST_PATH_IMAGE059
，其中第
Figure 408738DEST_PATH_IMAGE023
个个体的初始信息素
Figure 829355DEST_PATH_IMAGE024
为：
             
Figure 301925DEST_PATH_IMAGE066
              （11）
式中，初始迭代次数，为量子比特数，
Figure 502596DEST_PATH_IMAGE027
为量子比特的两个概率幅，开始时
Figure 564093DEST_PATH_IMAGE028
均取
Figure 284662DEST_PATH_IMAGE029
。
2)        可见度函数
关于可信网络思想的相关参数包含以下计算：
Figure DEST_PATH_IMAGE067
  节点可信度
根据无线传感器网络的可信性三大基本指标：时延、丢包率和剩余能量，得出无线传感器网络节点
Figure 697189DEST_PATH_IMAGE002
和相邻的节点
Figure 725188DEST_PATH_IMAGE030
的可信度为  
                 
Figure 844453DEST_PATH_IMAGE031
                                （12）
其中，代表延时，
Figure 933949DEST_PATH_IMAGE033
代表丢包率，
Figure 500060DEST_PATH_IMAGE034
代表节点
Figure 739411DEST_PATH_IMAGE030
的剩余能量，
Figure 99985DEST_PATH_IMAGE035
、
Figure 487104DEST_PATH_IMAGE036
、
Figure 856906DEST_PATH_IMAGE037
的选择使得延时、丢包、剩余能量三项值分别在0 ~1之间。由上式可看出，可信度与时延近似成反比，与节点剩余能量近似成正比。在蚁群算法搜索建立无线传感网路由时，根据式（7）计算得到，代表相邻的节点
Figure 482239DEST_PATH_IMAGE030
具有多少可信度，决定下一跳是否选择节点
Figure 91075DEST_PATH_IMAGE030
。
Figure 264567DEST_PATH_IMAGE068
  能量消耗预测
在无线传感器网络分布式的节点计算环境下，可通过马尔可夫链预测节点的能量消耗以及剩余能量。通过预测，无线传感器网络节点能得到相邻节点的剩余能量信息以及能量消耗速率，并以此作为路由选择的重要标准。此方法将可以有效地均衡网络能量负载，缓解部分节点因负载过重造成能量过早耗尽的现象，最大限度延长网络的生命周期。
在此预测机制中，利用马尔可夫链对无线传感器网络节点进行模拟，节点的不同工作模式对应马尔可夫链的不同状态：如果一个节点有M 种工作模式，则可运用马尔可夫链的M 种状态进行模拟。同时定义了节点由状态
Figure 711467DEST_PATH_IMAGE006
 到
Figure DEST_PATH_IMAGE069
的转移概率，通过概率计算出节点停留在某一状态
Figure DEST_PATH_IMAGE071
的能量消耗
Figure 713238DEST_PATH_IMAGE072
。根据无线电传播模式，在同样数据长度下，无线电发射电路能耗
Figure DEST_PATH_IMAGE073
与天线辐射能量
Figure 424842DEST_PATH_IMAGE074
之和大于无线电接收电路能耗
Figure DEST_PATH_IMAGE075
，也远大于CPU 处理能耗
Figure 227713DEST_PATH_IMAGE076
，其中
Figure DEST_PATH_IMAGE077
是传感器节点正确接收信号所需要的接收功率门限阈值
Figure 366570DEST_PATH_IMAGE078
对应的接收门限能量，
Figure DEST_PATH_IMAGE079
为收发端的距离，
Figure 949998DEST_PATH_IMAGE080
为衰减因子，传感器单跳通信的能量消耗为
Figure DEST_PATH_IMAGE081
。
在接下来的T 个时间步长内节点消耗的能量总量(
Figure 137397DEST_PATH_IMAGE082
)为
Figure DEST_PATH_IMAGE083
，  
Figure 122671DEST_PATH_IMAGE084
                     （13）
用
Figure DEST_PATH_IMAGE085
代表接下来的
Figure 806331DEST_PATH_IMAGE086
个时间步长内，平均每个时间步长的节点消耗能量，可成为能量消耗率。由此，通过得知邻居节点的
Figure 877055DEST_PATH_IMAGE085
，传感器节点就可以预测出邻居节点在接下来的 时间内的能量消耗，从而得知邻居节点的剩余能量。
Figure DEST_PATH_IMAGE087
  可用带宽的获取
为了判断当前节点是否有足够的可用带宽，需要知道节点的可用带宽，这通常需要MAC 层提供对节点可用带宽的估计。在无线网中，当使用共享媒介时，每个节点的信道是与其邻居节点共享的，因此，不能只考虑本节点的传输还要考虑节点所有邻居的传输才能确定节点的有效带宽容量。
节点
Figure 707925DEST_PATH_IMAGE006
的可用带宽
Figure 188585DEST_PATH_IMAGE088
的计算方法：先考察节点
Figure 481026DEST_PATH_IMAGE006
所在信道当前总的负载
Figure DEST_PATH_IMAGE089
，它由三部分组成：一是
Figure 275806DEST_PATH_IMAGE090
自身的流量
Figure DEST_PATH_IMAGE091
（即与其邻居之间的总流量），二是邻居之间的流量
Figure 621654DEST_PATH_IMAGE092
，三是
Figure 103189DEST_PATH_IMAGE006
的邻居与
Figure 498398DEST_PATH_IMAGE006
传输范围之外的节点间通信的流量
Figure DEST_PATH_IMAGE093
，所以有：
 
Figure 47191DEST_PATH_IMAGE094
                                 （14）
经分析，
Figure 72916DEST_PATH_IMAGE089
可用节点传输范围内所有节点自身的流量之和
Figure DEST_PATH_IMAGE095
来模拟，其中为
Figure 879832DEST_PATH_IMAGE006
 传输范围内的任一节点，即
Figure 76458DEST_PATH_IMAGE096
。设信道的总带宽为
Figure DEST_PATH_IMAGE097
，则有
Figure 830787DEST_PATH_IMAGE098
，其中
Figure 567799DEST_PATH_IMAGE096
。
  协同信任方式抵抗Wormhole 攻击
当无线传感器网络规模达到一定程度时，都要进行分簇算法选出簇头以对网络分区管理。Wormhole 攻击可以将不同分区里的节点距离拉近，使彼此成为邻居节点，破坏无线传感器网络的正常分区，远方节点会把自己根本到达不了的基站近节点认为是路由的下跳地址，甚至采用增大功率的方式试图连接到该节点，直至能量耗尽而死亡。
协同信任方式，是节点根据其所有邻居节点发送的能量消耗率以及可用带宽，判断正常能量消耗率以及可用带宽，对攻击节点发来的非正常信息采取不可信的态度。由于在相邻节点之间，可用带宽以及能量消耗率比较接近，特别在网络规模比较大的情况下，相隔较远的两个区域之间节点的能量消耗情况相差很大，因此可在邻居节点中选取可信度与自身差值小于一定门限的节点作为可信节点。由于攻击者一般都采取自身能量耗尽率低、可用带宽高等手段欺骗节点，因此其可信度表现得较高，这样，通过协同信任，可以把该节点排除。对于Wormhole 攻击，由于其主要是通过自己的链路使远端节点认为自己的邻居节点处在近端节点。但是远近两处的能量消耗率相差较大，内层节点能量消耗更快，所以可以从能量消耗率上抵御此攻击。
3)        路径选择
蚂蚁在节点
Figure 527403DEST_PATH_IMAGE002
选择路径时，要从
Figure 957247DEST_PATH_IMAGE002
节点出发寻找可信的邻居节点作为下一跳节点，并以此类推直至目的节点。可信节点的选择，首先根据能量消耗预测方法计算邻居节点的能量消耗率和剩余能量
Figure 933293DEST_PATH_IMAGE034
，并计算节点间距离
Figure 473996DEST_PATH_IMAGE079
作为时延
Figure 55150DEST_PATH_IMAGE032
。然后根据式(12)，得出邻居节点的可信度，并与自身相比较，若可信度
Figure 119238DEST_PATH_IMAGE001
与自身差值小于一定门限，则认为此邻居节点为可信节点可以跳转。否则重新计算其他邻居节点，直到找到可信节点为止。
蚂蚁每经过一条路径，释放的信息素为：
Figure 135736DEST_PATH_IMAGE100
                    （15）
式中，
Figure 633713DEST_PATH_IMAGE039
是节点
Figure 139781DEST_PATH_IMAGE002
与节点
Figure 355999DEST_PATH_IMAGE030
之间的距离，
Figure 612405DEST_PATH_IMAGE040
是到每个节点路径的平均距离，
Figure 964889DEST_PATH_IMAGE041
是所有路径中的最大距离。
4)        记录最优路径解
Figure 907437DEST_PATH_IMAGE014
，并通过比较更新最优解
Figure 283055DEST_PATH_IMAGE015
。
5)        信息素更新
在QACA中，
Figure 703672DEST_PATH_IMAGE003
只蚂蚁完成一次搜索后，利用量子旋转门实现每条路径信息素的更新：
Figure DEST_PATH_IMAGE101
                                （16）
Figure 113925DEST_PATH_IMAGE043
是第
Figure 961795DEST_PATH_IMAGE006
个量子位的旋转角度，
Figure 887026DEST_PATH_IMAGE043
的大小选取关系到算法收敛速度，函数 值可通过查下表得到：
Figure 376093DEST_PATH_IMAGE102
注:
Figure 660444DEST_PATH_IMAGE046
和
Figure 72971DEST_PATH_IMAGE047
是最优解概率幅，
Figure 835390DEST_PATH_IMAGE048
和
Figure 476629DEST_PATH_IMAGE049
是当前解概率幅，
Figure 931881DEST_PATH_IMAGE050
，
Figure DEST_PATH_IMAGE103
，
Figure 831704DEST_PATH_IMAGE052
，
Figure 335497DEST_PATH_IMAGE104
。
其中
Figure 309270DEST_PATH_IMAGE043
可以通过下式（17）求解：
Figure DEST_PATH_IMAGE105
                                      （17）
在蚁群算法应用于传感器网络路由时，容易陷入局部最小，这主要是由蚁群在搜索空间中多样性丢失造成的。而在QACA中引入变异算法，通过量子非门对量子比特的两个概率幅互换，增加蚁群多样性，避免算法过早收敛。
6)       
Figure 873106DEST_PATH_IMAGE016
，跳转到步骤3)。若满足结束条件,即如果循环次数
Figure 696443DEST_PATH_IMAGE017
,则循环结束,终止迭代。
7)        输出最优解
Figure 800666DEST_PATH_IMAGE015
。 

Claims (5)

1.一种基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于确定路由的具体操作步骤如下： 
1)设定初始信息素：设定蚂蚁个数为                                                
Figure 67000DEST_PATH_IMAGE001
，传感器网络空间大小为
Figure 143540DEST_PATH_IMAGE002
，汇聚节点为；初始化信息素
Figure 461389DEST_PATH_IMAGE004
，初始迭代次数
Figure 976684DEST_PATH_IMAGE005
，
Figure 398176DEST_PATH_IMAGE006
为设定的最大迭代次数；初始最短路径
Figure 707934DEST_PATH_IMAGE007
；根据蚂蚁个数及空间大小确定区域大小，将各蚂蚁至于各搜索区域中；
2)确定可见度函数：计算到达汇聚节点
Figure 450763DEST_PATH_IMAGE003
的路径
Figure 504169DEST_PATH_IMAGE008
的距离
Figure 343949DEST_PATH_IMAGE009
、可见度函数、信息素水平以及转移概率；
3)路径选择：第
Figure 824609DEST_PATH_IMAGE010
只蚂蚁根据可信度的大小来选择到达汇聚节点
Figure 320313DEST_PATH_IMAGE003
的路径并记录，同时释放信息素，路径越短则认为该路径属于最优路径的可能性越大；
4)记录此次迭代过程的最优路径解
Figure 911831DEST_PATH_IMAGE011
，并通过比较更新最优解
Figure 871697DEST_PATH_IMAGE012
；
5)信息素更新：应用量子门旋转规则更新每条路径上的信息素；
6)
Figure 460941DEST_PATH_IMAGE013
，跳转到步骤3)；若满足结束条件,即如果循环次数
Figure 240678DEST_PATH_IMAGE014
，则循环结束，终止迭代；
7)输出最优解
Figure 635887DEST_PATH_IMAGE012
。
2.根据权利要求1所述基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于所述步骤1)中初始化信息素的方法是：设蚁群中共有
Figure 886478DEST_PATH_IMAGE001
只蚂蚁，每只蚂蚁携带
Figure 708940DEST_PATH_IMAGE015
个量子比特，在无线传感器网络中从源节点到目的节点的所有可能方法定义为量子蚁群算法中的路径；存在
Figure 975974DEST_PATH_IMAGE002
种到达目的节点
Figure 174874DEST_PATH_IMAGE003
的路径，记为路径
Figure 781436DEST_PATH_IMAGE008
Figure 774799DEST_PATH_IMAGE016
；设蚁群第
Figure 529129DEST_PATH_IMAGE017
代中包含
Figure 531720DEST_PATH_IMAGE001
个个体的种群为
Figure 992788DEST_PATH_IMAGE018
，其中第
Figure 157053DEST_PATH_IMAGE019
个个体的初始信息素为：
        
Figure 939382DEST_PATH_IMAGE021
                          （1）
式中：初始迭代次数
Figure 254956DEST_PATH_IMAGE022
，
Figure 855702DEST_PATH_IMAGE015
为量子比特数，为量子比特的两个概率幅，开始时均取
Figure 332055DEST_PATH_IMAGE025
。
3.根据权利要求1所述基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于所述步骤2)中计算可见度函数方法如下：
可见度函数主要根据节点可信度确定，根据无线传感器网络的可信性三大基本指标：时延、丢包率和剩余能量，得出无线传感器网络节点和相邻的节点
Figure 54340DEST_PATH_IMAGE027
的可信度
Figure 936845DEST_PATH_IMAGE028
为  
             
Figure 227012DEST_PATH_IMAGE029
                                    （2）
其中，
Figure 169561DEST_PATH_IMAGE030
代表延时，代表丢包率，代表节点的剩余能量，
Figure 551814DEST_PATH_IMAGE033
、
Figure 477045DEST_PATH_IMAGE034
、的选择使得延时、丢包、剩余能量三项值分别在0 ~1之间；由上式可看出，可信度与时延近似成反比，与节点剩余能量近似成正比；在蚁群算法搜索建立无线传感网路由时，根据式（2）计算得到
Figure 28429DEST_PATH_IMAGE028
，代表相邻的节点
Figure 984884DEST_PATH_IMAGE027
具有多少可信度，决定下一跳是否选择节点
Figure 397411DEST_PATH_IMAGE027
。
4.根据权利要求1所述基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于所述步骤3)中路径选择时，第只蚂蚁根据可信度的大小来选择到达汇聚节点
Figure 43210DEST_PATH_IMAGE003
的路径并记录，同时释放信息素，路径越短则认为该路径属于最优路径的可能性越大，具体操作方法如下：
蚂蚁在节点选择下一跳节点时，首先计算邻居节点的可信度
Figure 132706DEST_PATH_IMAGE028
，并与自身相比较，若可信度
Figure 698817DEST_PATH_IMAGE028
与自身差值小于一定门限，则认为此邻居节点为可信节点可以跳转；否则重新计算其他邻居节点，直到找到可信节点为止；此时时延可用节点间距离表示，距离越大可信度越小；节点的剩余能量与当前节点的信息素浓度有关，剩余能量越大表示经过的蚂蚁越少，信息素浓度也就越小，此时可信度值越大，这样可以保证传感器网络的全局能量的均衡；
蚂蚁每经过一条路径，释放的信息素为：
      
Figure 485DEST_PATH_IMAGE036
                            （3）
式中，
Figure 564322DEST_PATH_IMAGE037
是节点
Figure 685861DEST_PATH_IMAGE026
与节点
Figure 55663DEST_PATH_IMAGE027
之间的距离，
Figure 211838DEST_PATH_IMAGE038
是到每个节点路径的平均距离，
Figure 946576DEST_PATH_IMAGE039
是所有路径中的最大距离。
5.根据权利要求1所述基于量子蚁群算法的无线传感器网络可信安全路由，其特征在于所述步骤5)中应用量子门旋转规则更新每条路径上的信息素的方法是：
在QACA中，
Figure 555411DEST_PATH_IMAGE001
只蚂蚁完成一次搜索后，利用量子旋转门实现每条路径信息素的更新：
Figure 463325DEST_PATH_IMAGE040
                                  （4）
Figure 411689DEST_PATH_IMAGE041
是第
Figure 379645DEST_PATH_IMAGE003
个量子位的旋转角度，
Figure 475777DEST_PATH_IMAGE041
的大小选取关系到算法收敛速度，函数
Figure 187381DEST_PATH_IMAGE042
 值可通过查下表得到：
Figure 488787DEST_PATH_IMAGE043
注:
Figure 627644DEST_PATH_IMAGE044
和
Figure 211073DEST_PATH_IMAGE045
是最优解概率幅，
Figure 726367DEST_PATH_IMAGE046
和
Figure 383745DEST_PATH_IMAGE047
是当前解概率幅，，
Figure 764228DEST_PATH_IMAGE049
，
Figure 817634DEST_PATH_IMAGE050
，
Figure 595097DEST_PATH_IMAGE051
，
其中                                                          (5) 
在蚁群算法应用于传感器网络路由时，容易陷入局部最小，这主要是由蚁群在搜索空间中多样性丢失造成的；在QACA中引入变异算法，通过量子非门对量子比特的两个概率幅互换，增加蚁群多样性，避免算法过早收敛。
CN2012103930022A 2012-10-17 2012-10-17 基于量子蚁群算法的无线传感器网络可信安全路由 Pending CN102917430A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012103930022A CN102917430A (zh) 2012-10-17 2012-10-17 基于量子蚁群算法的无线传感器网络可信安全路由

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012103930022A CN102917430A (zh) 2012-10-17 2012-10-17 基于量子蚁群算法的无线传感器网络可信安全路由

Publications (1)

Publication Number Publication Date
CN102917430A true CN102917430A (zh) 2013-02-06

Family

ID=47615615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012103930022A Pending CN102917430A (zh) 2012-10-17 2012-10-17 基于量子蚁群算法的无线传感器网络可信安全路由

Country Status (1)

Country Link
CN (1) CN102917430A (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336799A (zh) * 2013-06-18 2013-10-02 上海工程技术大学 基于自适应量子蚁群的铁路交通换乘方案查询方法及装置
CN103826278A (zh) * 2014-01-28 2014-05-28 河南科技大学 一种基于多生物启发的无线传感网络自适应路由决策方法
CN104185237A (zh) * 2014-08-04 2014-12-03 西安电子科技大学 一种基于蚁群算法的鲁棒优化算法
CN104901989A (zh) * 2014-03-07 2015-09-09 中国科学院声学研究所 一种现场服务提供系统及方法
WO2016095692A1 (zh) * 2014-12-15 2016-06-23 江南大学 一种改进蚁群优化传感器网络簇头方法
CN106413057A (zh) * 2016-10-09 2017-02-15 北京邮电大学 一种基于sdwn架构的无线接入网能耗优化方法
CN107454630A (zh) * 2017-09-25 2017-12-08 中国联合网络通信集团有限公司 负载均衡方法及负载均衡路由器
CN107612916A (zh) * 2017-09-22 2018-01-19 潘晓君 基于蚁群融合算法的分布式入侵检测方法
CN108769939A (zh) * 2018-05-15 2018-11-06 重庆三峡学院 一种无线传感器网络多路径可靠传输容错方法
CN109769284A (zh) * 2019-03-20 2019-05-17 南京工业大学 一种msn下族内可信蚁群机会路由改进算法
CN109981526A (zh) * 2017-12-27 2019-07-05 中移（杭州）信息技术有限公司 一种确定网络攻击源的方法、装置、介质及设备
CN110191480A (zh) * 2019-04-24 2019-08-30 浙江树人学院（浙江树人大学） 具有移动Sink节点的三维无线传感网数据收集方法
CN110505654A (zh) * 2019-07-04 2019-11-26 太原理工大学 一种无线传感器网络的蚁群优化的任播路由方法
CN111065147A (zh) * 2019-12-29 2020-04-24 高小翎 一种提高无线分布式传感网路由传输质量的方法
CN111669328A (zh) * 2020-07-02 2020-09-15 安徽省地震局 基于量子最大最小蚁群算法的QoS路由选择方法
CN111770548A (zh) * 2020-08-13 2020-10-13 桂林电子科技大学 基于萤火虫算法的无人机自组网dsr协议优化方法
CN111770549A (zh) * 2020-07-10 2020-10-13 重庆师范大学 一种低成本无线传感网的构建方法
CN112601217A (zh) * 2020-10-28 2021-04-02 北京工业大学 一种基于蚁群优化和代理重加密的数据安全传输方法
CN113068242A (zh) * 2021-03-29 2021-07-02 重庆师范大学 基于优化量子蚁群算法的路由规划方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060056302A1 (en) * 2004-09-10 2006-03-16 Jin-Ho Ahn Apparatus for implementation of adaptive routing in packet switched networks
CN1960331A (zh) * 2006-09-21 2007-05-09 上海大学 全局能量均衡的智能化无线传感网路由算法
CN101014013A (zh) * 2007-02-09 2007-08-08 上海大学 基于可信度的无线传感网安全路由方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060056302A1 (en) * 2004-09-10 2006-03-16 Jin-Ho Ahn Apparatus for implementation of adaptive routing in packet switched networks
CN1960331A (zh) * 2006-09-21 2007-05-09 上海大学 全局能量均衡的智能化无线传感网路由算法
CN101014013A (zh) * 2007-02-09 2007-08-08 上海大学 基于可信度的无线传感网安全路由方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
曹建国等: "改进型量子蚁群算法求解QoS单播路由", 《计算机工程与应用》 *
李跃光: "量子蚁群算法的研究及应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王潮等: "基于可信度的无线传感器网络安全路由算法", 《通信学报》 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336799A (zh) * 2013-06-18 2013-10-02 上海工程技术大学 基于自适应量子蚁群的铁路交通换乘方案查询方法及装置
CN103826278A (zh) * 2014-01-28 2014-05-28 河南科技大学 一种基于多生物启发的无线传感网络自适应路由决策方法
CN103826278B (zh) * 2014-01-28 2018-02-02 河南科技大学 一种基于多生物启发的无线传感网络自适应路由决策方法
CN104901989A (zh) * 2014-03-07 2015-09-09 中国科学院声学研究所 一种现场服务提供系统及方法
CN104901989B (zh) * 2014-03-07 2018-08-14 中国科学院声学研究所 一种现场服务提供系统及方法
CN104185237A (zh) * 2014-08-04 2014-12-03 西安电子科技大学 一种基于蚁群算法的鲁棒优化算法
CN104185237B (zh) * 2014-08-04 2018-04-03 西安电子科技大学 一种基于蚁群算法的鲁棒优化算法
WO2016095692A1 (zh) * 2014-12-15 2016-06-23 江南大学 一种改进蚁群优化传感器网络簇头方法
CN105898897A (zh) * 2014-12-15 2016-08-24 江南大学 一种改进蚁群优化传感器网络簇头方法
CN106413057A (zh) * 2016-10-09 2017-02-15 北京邮电大学 一种基于sdwn架构的无线接入网能耗优化方法
CN106413057B (zh) * 2016-10-09 2019-07-05 北京邮电大学 一种基于sdwn架构的无线接入网能耗优化方法
CN107612916A (zh) * 2017-09-22 2018-01-19 潘晓君 基于蚁群融合算法的分布式入侵检测方法
CN107612916B (zh) * 2017-09-22 2019-12-24 潘晓君 基于蚁群融合算法的分布式入侵检测方法
CN107454630A (zh) * 2017-09-25 2017-12-08 中国联合网络通信集团有限公司 负载均衡方法及负载均衡路由器
CN109981526A (zh) * 2017-12-27 2019-07-05 中移（杭州）信息技术有限公司 一种确定网络攻击源的方法、装置、介质及设备
CN108769939A (zh) * 2018-05-15 2018-11-06 重庆三峡学院 一种无线传感器网络多路径可靠传输容错方法
CN109769284A (zh) * 2019-03-20 2019-05-17 南京工业大学 一种msn下族内可信蚁群机会路由改进算法
CN109769284B (zh) * 2019-03-20 2023-02-14 南京工业大学 一种msn下族内可信蚁群机会路由改进方法
CN110191480B (zh) * 2019-04-24 2022-05-06 浙江树人学院（浙江树人大学） 具有移动Sink节点的三维无线传感网数据收集方法
CN110191480A (zh) * 2019-04-24 2019-08-30 浙江树人学院（浙江树人大学） 具有移动Sink节点的三维无线传感网数据收集方法
CN110505654A (zh) * 2019-07-04 2019-11-26 太原理工大学 一种无线传感器网络的蚁群优化的任播路由方法
CN110505654B (zh) * 2019-07-04 2022-07-12 太原理工大学 一种无线传感器网络的蚁群优化的任播路由方法
CN111065147A (zh) * 2019-12-29 2020-04-24 高小翎 一种提高无线分布式传感网路由传输质量的方法
CN111669328A (zh) * 2020-07-02 2020-09-15 安徽省地震局 基于量子最大最小蚁群算法的QoS路由选择方法
CN111770549A (zh) * 2020-07-10 2020-10-13 重庆师范大学 一种低成本无线传感网的构建方法
CN111770548A (zh) * 2020-08-13 2020-10-13 桂林电子科技大学 基于萤火虫算法的无人机自组网dsr协议优化方法
CN112601217A (zh) * 2020-10-28 2021-04-02 北京工业大学 一种基于蚁群优化和代理重加密的数据安全传输方法
CN112601217B (zh) * 2020-10-28 2023-11-07 北京工业大学 一种基于蚁群优化和代理重加密的数据安全传输方法
CN113068242A (zh) * 2021-03-29 2021-07-02 重庆师范大学 基于优化量子蚁群算法的路由规划方法及系统

Similar Documents

Publication Publication Date Title
CN102917430A (zh) 基于量子蚁群算法的无线传感器网络可信安全路由
Chintalapalli et al. M‐LionWhale: multi‐objective optimisation model for secure routing in mobile ad‐hoc network
Rodrigues et al. Joint trust: An approach for trust-aware routing in WSN
Souza A Novel Energy Efficient Routing Protocol for Wireless Sensor Networks
Qureshi et al. Novel fuzzy based crow search optimization algorithm for secure node-to-node data transmission in WSN
Gurram et al. A secure energy aware meta-heuristic routing protocol (SEAMHR) for sustainable IoT-wireless sensor network (WSN)
Gupta et al. Energy efficient diagonal based clustering protocol in wireless sensor network
Prasad Secure intrusion detection system routing protocol for mobile ad‐hoc network
Farooq et al. Energy preserving detection model for collaborative black hole attacks in wireless sensor networks
Hassan et al. A novel energy efficient vice Cluster Head routing protocol in Wireless Sensor Networks
Mouiz et al. Performance evaluation of OLSR and AODV routing protocols with different parameters in mobile ad-hoc networks using NS2 simulator
jit Kaur et al. Enhanced routing in heterogeneous sensor networks
Aravind et al. Optimized Fuzzy Logic Based Energy-Efficient Geographical Data Routing in Internet of Things
Choi et al. Energy-aware distribution of data fragments in unattended wireless sensor networks
Jeevamaheswari et al. AODV routing protocol to defence against packet dropping gray hole attack In MANET
Shu et al. Design of Trusted Security Routing in Wireless Sensor Networks Based on Quantum Ant Colony Algorithm.
CN115119280A (zh) 基于信任机制的FANETs安全路由方法
Farooq et al. Development of protective scheme against collaborative black hole attacks in mobile ad hoc networks
Yang et al. A Novel Markov Model‐Based Low‐Power and Secure Multihop Routing Mechanism
Dhakne et al. Design of hierarchical trust based intrusion detection system for wireless sensor network [htbid]
Oakley Solutions to Black Hole Attacks in MANETs
Saleem et al. Proposed nature inspired self-organized secure autonomous mechanism for WSNs
Patel et al. Addressing packet dropping misbehavior using metaheuristic approach: A survey
Lakshmi et al. A back propagation neural network model and efficient routing security mechanisms against blackhole attack in HWSNs
Srimanchari A Trust and Optimal Energy Efficient Data Aggregation Scheme for Wireless Sensor Networks Using Qgaoa

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C05 Deemed withdrawal (patent law before 1993)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130206