CN103763696A - 一种基于跨层安全压缩的节能传感器数据收集方法 - Google Patents

Abstract

本发明公开了一种基于跨层安全压缩的节能传感器数据收集方法，利用CS跨层安全压缩方法实现高能效和安全性。该方法包括两个部分：基于CS的安全压缩方法以及跨层联合优化方法。基于CS的安全压缩法将加密及完整性检查与压缩感知相结合，确保数据的安全性和低冗余度；跨层联合优化涉及到物理层和MAC层的信源编码速率、传输功率和TDMA时隙分配几方面，利用一种非线性凸优化算法实现能量最小化。使用本发明所公开的数据收集方法可以具备较高的数据安全性、优化的能量效率化、较小的传输信息量、较小的系统复杂性。

Description

一种基于跨层安全压缩的节能传感器数据收集方法

技术领域

本发明公开了一种基于跨层安全压缩的节能传感器数据收集方法，属于无线传感器网敏感多媒体络数据收集的能效研究领域。

背景技术

无线传感器网络在近些年开始进入到一些扩展应用领域，如多媒体通信，其中有些涉及到敏感数据，这就对能量受限的无线传感器网络提出了较高的节能和安全要求。现有无线传感器网络中适用于多媒体通信的方法大多没有考虑安全性，或者安全性较低，而在实现安全和数据压缩的过程中，降低能效方面又不够稳定。

在许多无线传感器网络应用中安全性保障大多考虑保密性、认证，完整性和可用性几方面。但目前的加密算法无论是大权重还是小权重都要求较高的计算量和内存，这对传感器节点的有限能量造成负担过大，从而使得现有的加密算法在实际应用中都不可行。解决办法是在加密之前对采集到的数据进行压缩。一般对多媒体数据通信都要进行压缩处理以减少传输的数据量。但传统压缩算法不能直接用于无线传感器网络，因为其计算量太大。传感器网络中如果要想采集很少一部分数据并且指望从这些少量数据中解压缩出大量信息，就需要保证两点：第一，这些少量的采集到的数据包含了原信号的全局信息；第二，存在一种算法能够从这些少量的数据中还原出原先的信息来。在实际问题中，人们希望尽量少地采集数据，或者由于客观条件所限不得不采集不完整的数据。如果这些数据和希望重建的信息之间有某种全局性的变换关系，并且预先知道那些信息满足某种稀疏性条件，就总可以用类似的方式从比较少的数据中还原出比较多的信号来。压缩感知技术可以在传输复杂数据时，同时确保稀疏数据较高的压缩比和较低的复杂度。作为无线传感器网络数据收集的一个新选择，压缩感知可以有效实现从较少的数据中恢复原始的大量数据。将压缩感知和密码技术结合起来可以实现安全的压缩过程。

由于当前多媒体通信的数据量庞大，传感器节点需要进行密集部署。这样就会导致传感区域的重复，从而使手机到的数据具有时空相关性，引起冗余。这种数据相关性与无线传感器网络中若干层的参数都有密切关系，可以通过研究这些参数之间的交互和优化问题从而达到节能目标。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，设计一种基于压缩感知（compressive sensing CS）跨层安全压缩的节能数据收集方法，用于解决无线传感器网络中多媒体通信的安全和节能问题。

本发明为解决上述技术问题采用以下技术方案：

一种基于跨层安全压缩的节能传感器数据收集方法，包括跨层联合优化和安全压缩两个步骤；

一、所述跨层联合优步骤化具体为：

通过建立一个跨层联合优化模型，结合非线性凸优化算法，将信源编码的编码速率、功率分配参数、节点的时隙分配参数三个参数联合优化，实现能量最小化，所述跨层联合优化模型为：

$\underset{R_i,w_{\mathrm{ij}},t}{\min }\underset{(i,j)\∈E}{\mathrm{\Σ}}[W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1)\·t+P_{\mathrm{tx}}+P_{\mathrm{rx}}]=\min \underset{(i,j)\∈E}{\mathrm{\Σ}}E(w_{\mathrm{ij}},t);$

模型的约束条件包括：

（1）流约束：

$\underset{j}{\mathrm{\Σ}}(w_{\mathrm{ij}}-w_{\mathrm{ji}})=R_i\·n\∀i;$

（2）Stepian-Wolf速率约束：

$s.t.\underset{i\∈S}{\mathrm{\Σ}}{R}_i\≥H\left(X_S\right|X_{S^c}),\∀S\⊆\{\mathrm{1,2},...,N\},$ X_S＝{X_i,i∈S}；

（3）TDMA约束：

t≤T；

（4）最大传输功率约束：

$W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1).t-P_{\max }\·t\≤0,(i,j)\∈E;$

（5）最大节点能耗约束：

$\underset{j}{\mathrm{\Σ}}[W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1)+P_{\mathrm{tx}}].t+\underset{j}{\mathrm{\Σ}}{P}_{\mathrm{rx}}\·t\≤E_i\∀i,$ w_ij≥0,t_ij＞0(i,j)∈E；

其中，i、j表示节点，R_i表示节点i的信源编码速率，w_ij和w_ji分别表示在分配的时隙周期t内由节点i和节点j构成的链路(i,j)上传输的比特数和从其他节点接收到的比特数，t_ij表示链路(i,j)活跃t秒，n表示信源符号的个数，E为能量的表示符号，W表示带宽，N₀表示两倍的加性白噪声的双边噪声功率谱密度，d_ij表示节点i和j之间的距离，m表示路径丢失系数，P_tx和P_rx分别表示发送电路和接收电路的功率；

表示在

下的条件熵，S表示范围从1到N的节点集，

是集合X_s的补集，N为自然数，X_i表示一个传感器测量值，T表示一个TDMA帧的时间长度，P_max表示最大传输功率，E_i表示最大节点能耗；

发送功率P_ij为：

$P_{\mathrm{ij}}=W\·d_{\mathrm{ij}}^m\·(2^{w_{\mathrm{ij}}/(t.W)}-1)\·N_0;$

最小化问题在（w_ij,t）为凸点，E(w_ij,t)的Hessian矩阵的非零特征根为非负特性，特征根如下：

$\frac{[2^{w_{\mathrm{ij}}/(t\·W)}\·N_0\·d_{\mathrm{ij}}^m\·{\left(\ln 2\right)}^2]\·(t^2+w_{\mathrm{ij}}^2)}{t^3\·W};$

二、所述安全压缩步骤包括数据的压缩感知步骤和安全加密步骤，其中，

在数据的压缩感知步骤中，使用线性反馈移位寄存器产生随机矩阵

将输入向量和随机矩阵

相乘，其能耗依赖于随机矩阵大小，采用压缩比r体现压缩容量，计算公式为：

$r=\frac{\mathrm{ciphertextlength}}{\mathrm{plaintextlength}}\×100\%$

公式中分子是密文长度，分母是明文长度；

数据的压缩感知步骤具体包括：

步骤1、初始化簇首节点，采集数据并接收从其他节点发来的数据；

步骤2、对簇首进行跨层联合优化；

步骤3、对簇首进行安全压缩；

步骤4、簇首传输数据至下一个中继节点；

步骤5、各簇首重复执行步骤1至步骤4，直至到达汇聚节点，汇聚节点进行数据的汇聚和重建恢复；

安全加密步骤为：

步骤（1）：接收压缩感知步骤处理输出的数据；

步骤（2）：由线性反馈移位寄存器生成码钥，在初始状态下生成不同的状态；

步骤（3）：将步骤（2）产生的每一个状态都作为一个码钥传给各个数据分块；

步骤（4）：对每个数据分块，用不同的码钥进行加密；

步骤（5）：在码钥基础上按照不同的顺序重新变换随机矩阵；

步骤（6）：使用加密hash算法进行加密。

作为本发明的进一步优选方案，在安全压缩步骤中，簇成员不参与跨层安全压缩，只有簇首参与此过程；采用双分解技术，由汇聚节点更新双变量，簇首迭代更新传输功率、编码速率和时隙周期。

作为本发明的进一步优选方案，所述步骤2中，对簇首进行跨层联合优化具体包括：

（201）估算数据相关性；

（202）根据非线性凸优化算法，计算最小能耗；

（203）获得能量最小化时的信源编码速率、传输功率、TDMA时隙长度，并实施到簇首节点。

作为本发明的进一步优选方案，所述步骤3中，对簇首进行安全压缩具体包括：

（301）对数据进行频域变换；

（302）线性反馈移位寄存器根据种子产生伪随机码序列构成的密钥；

（303）将频域变换后的分组数据与密钥相乘，进行矩阵变换；

（304）对变换后的矩阵进行量化；

（304）对量化后的矩阵进行熵编码；

（306）完整性检查。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1）较高的数据安全性，由加密和完整性检查hash构成双保险机制，即便在攻击者知道加密中使用的种子信息的情形下也可以确保信息的安全，对恶意篡改行为进行阻拦；

2）优化的能量效率，在跨层优化方案中，根据数据的相关性合理分配信源编码速率、传输功率和TDMA时隙长度，利用非线性的凸优化算法实现能量最小化；

3）较小的传输信息量，减少簇首传输压力。利用压缩感知技术，剔除绝大部分冗余数据，从而确保较好的传输能耗；

4）较小的系统复杂性，在分簇结构中，有选择地实施CS跨层安全压缩法，仅簇首和sink参与该过程，从而减少了系统复杂性和额外的能量开销。

附图说明

图1是跨层网络结构图。

图2是本发明所采用的拓扑结构图。

图3是基于压缩感知的安全压缩基本结构示意图。

图4是基于压缩感知的安全压缩组成框图。

图5是压缩感知的硬件构成图。

具体实施方式

本跨层安全压缩方法适用于无线传感器网络中的敏感的多媒体数据收集，利用压缩感知技术、加密算法、完整性检查hash算法实现安全压缩，利用物理层和MAC层的多个参数进行联合优化，实现能量最小化，最终的跨层安全压缩法可以确保数据的安全性，在能效、压缩计算复杂度等方面实现较好的效果。

下面结合附图对本发明的技术方案做进一步的详细说明：

跨层的网络结构图见附图1，图中给出了方案所设计的各个网络层，包括物理层、MAC层和应用层。主要包括压缩感知、信源编码速率调整、传输功率分配、TDMA时隙分配、加密、hash等技术。

整个数据采集网络拓扑见附图2，采结构用分簇，包括簇成员、簇首、sink三类节点。其中簇成员不参与CS跨层安全压缩过程，只有簇首才执行跨层安全压缩。

图3是基于压缩感知的安全压缩基本结构，图中给出本专利所设计安全压缩方案的基本组成部分。该安全压缩由三个部分：压缩感知、加密、完整性检查构成。

图4是基于压缩感知的安全压缩组成框图。图中给出本专利所设计的安全压缩各个组成结构及基本步骤。输入数据首先进行频域变换，而后将经过跨层优化预处理的测量数据与线性反馈移位寄存器（LFSR）根据种子产生的密钥结合，

变换矩阵后再进行量化，而后进行熵编码，再进行hash处理，经信道传输到接收方后，首先进行逆hash处理，而后是熵解码，并进行逆量化，再根据LFSR利用种子对l₁（向量的1范数）最小化，最后进行逆频域变换，得到重构的数据。

图5是压缩感知的硬件构成图，对压缩感知的硬件构成进行分解图示。主要由两个部分：线性反馈移位寄存器和乘法器构成，前者利用种子信息和时钟产生伪随机码序列形式的密钥

将其与n字节长的分组x（信源输入分组）相乘，得到m字节长的分组。

以下详细介绍各个步骤的方法：

1.跨层联合优化

跨层网络结构如附图1所示，该方案基于多跳、可变长的TDMA技术，每条链路分配时隙长应比帧长要短，并且与其他链路相互正交。以一个无记忆和特定相关的传感器测量X_i为例，一个T秒的TDMA帧中，每个节点i产生一个序列，该序列包括n个信源符号：

$x_i=[x_i^1,x_i^2...,x_i^n].$

节点i应用一个信源编码器，编码速率为R_i比特/符号，在压缩之前，适当利用空间相关性消除测量数据中的冗余。信源编码速率满足Stepian-Wolf速率约束条件：

$\mathrm{\Σ}{R}_i\≥H\left(X_S\right|X_{S^c}),\∀S\⊆\{\mathrm{1,2},...,N\}---\left(1\right)$

其中R_i是节点i的信源编码速率，X_S＝{X_i,i∈S}，而

是集合X_s的补集，N为自然数。

从某个节点i发出的比特数等于由该节点自身产生的比特数以及它从其他节点收到的比特数之和，流预留约束如下：

$\underset{j}{\mathrm{\Σ}}(w_{\mathrm{ij}}-w_{\mathrm{ji}})=R_i\·n\∀i---\left(2\right)$

其中w_ij和w_ji分别是在分配的时隙周期t内由节点i和节点j构成的链路(i,j)上传输的比特数和从其他节点接收到的比特数。t_ij表示链路(i,j)活跃t秒。

跨层联合优化主要通过分配传输功率P_ij、信源编码速率R_i，以及时隙t来实现。将跨层联合优化问题表述为一个带约束的非线性优化问题：

$\underset{R_i,w_{\mathrm{ij}},t}{\min }\underset{(i,j)\∈E}{\mathrm{\Σ}}[W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1)\·t+P_{\mathrm{tx}}+P_{\mathrm{rx}}]=\min \underset{(i,j)\∈E}{\mathrm{\Σ}}E(w_{\mathrm{ij}},t)---\left(3\right)$

$s.t.\underset{i\∈S}{\mathrm{\Σ}}{R}_i\≥H\left(X_S\right|X_{S^c}),\∀S\⊆\{\mathrm{1,2},...,N\}---\left(4\right)$

t≤T                        (5)

$W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1).t-P_{\max }\·t\≤0,(i,j)\∈E---\left(6\right)$

$\underset{j}{\mathrm{\Σ}}[W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1)+P_{\mathrm{tx}}].t+\underset{j}{\mathrm{\Σ}}{P}_{\mathrm{rx}}\·t\≤E_i\∀i---\left(7\right)$

w_ij≥0,t_ij＞0(i,j)∈E                  (8)

公式（3）的决策变量为R_i，t，和w_ij，其约束除了（4）～（8），还包括（2）。（2）、（4）～（8）分别为流约束、Stepian-Wolf rate constraints约束、TDMA约束、最大传输功率约束、最大节点能耗约束（E_i）。E为能量的表示符号，t秒内链路（i,j）上的总能耗为(P_ij+P_tx+P_rx)·t焦耳，其中P_tx和P_rx分别为发送电路和接收电路功率。

表示在

下的条件熵。P_ij是发送功率：

$P_{\mathrm{ij}}=W\·d_{\mathrm{ij}}^m\·(2^{w_{\mathrm{ij}}/(t.W)}-1)\·N_0---\left(9\right)$

其中d_ij是节点i和j之间的距离，m是路径丢失系数，加性白噪声的双边噪声功率谱密度为N₀/2，带宽为W。

以上最小化问题在（w_ij,t）为凸点，因为E(w_ij,t)的Hessian矩阵的非零特征根为非负特性。特征根如下：

$\frac{[2^{w_{\mathrm{ij}}/(t\·W)}\·N_0\·d_{\mathrm{ij}}^m\·{\left(\ln 2\right)}^2]\·(t^2+w_{\mathrm{ij}}^2)}{t^3\·W}---\left(10\right)$

从而（3）可以用凸优化工具进行求解。为了应用到分布式无线传感器网络中，可以采用双分解技术分布式地解决问题。由sink更新双变量，簇首迭代更新传输功率、编码速率和时隙周期。

2.安全压缩

基于CS的安全压缩过程如附图4所示。在利用CS技术对采样信号进行压缩并利用跨层联合优化算法进行能量最优化处理后，采用加密算法对信号进行加密处理，再进行完整性检查，经过以上步骤的信息将同时能够保证安全性和能量效率。

（1）数据的压缩感知

顶层的压缩感知的组成框图如附图5所示。本专利不涉及模数转换器ADC的设计，因此其中不包含ADC，但实际的压缩感知硬件中应该包含此部件。压缩算法在ADC之后线性执行。在附图5中，LFSR用于产生随机矩阵

压缩过程是将输入向量和随机矩阵

相乘。其能耗（也即相乘的数目）依赖于矩阵大小。数据输入的划分大小和压缩比对于能耗及压缩感知的执行时间有直接的影响。压缩比体现压缩容量，计算公式为：

$r=\frac{\mathrm{ciphertextlength}}{\mathrm{plaintextlength}}\×100\%$

其中r是压缩比，公式中分子是密文长度，分母是明文长度。

（2）安全加密/hash

安全加密技术主要是将单纯的加密技术和完整性检查结合。利用加密算法虽然能够较好地保护数据，但如果攻击者知道种子信息，还是能够对信息进行解码。借助加密hash算法可以避免该问题的出现，从而有效防止恶意篡改。基于CS的安全压缩算法步骤如下：

步骤1：接收压缩感知处理输出的数据；

步骤2：将数据分块，每一块都用不同的码钥进行加密；

步骤3：码钥都由LFSR用一个种子生成，初始种子可以生成不同的状态；

步骤4：每一个状态都作为一个码钥传给各个块；

步骤5：在码钥基础上按照不同的顺序重新变换随机矩阵

步骤6：进行加密hash，从而使攻击者即便知道种子信息也不能实现对原始数据的解码。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.一种基于跨层安全压缩的节能传感器数据收集方法，其特征在于：包括跨层联合优化和安全压缩两个步骤；

一、所述跨层联合优步骤化具体为：

通过建立一个跨层联合优化模型，结合非线性凸优化算法，将信源编码的编码速率、功率分配参数、节点的时隙分配参数三个参数联合优化，实现能量最小化，所述跨层联合优化模型为：

$\underset{R_i,w_{\mathrm{ij}},t}{\min }\underset{(i,j)\∈E}{\mathrm{\Σ}}[W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1)\·t+P_{\mathrm{tx}}+P_{\mathrm{rx}}]=\min \underset{(i,j)\∈E}{\mathrm{\Σ}}E(w_{\mathrm{ij}},t);$

模型的约束条件包括：

（1）流约束：

$\underset{j}{\mathrm{\Σ}}(w_{\mathrm{ij}}-w_{\mathrm{ji}})=R_i\·n\∀i;$

（2）Stepian-Wolf速率约束：

$s.t.\underset{i\∈S}{\mathrm{\Σ}}{R}_i\≥H\left(X_S\right|X_{S^c}),\∀S\⊆\{\mathrm{1,2},...,N\},$ X_S＝{X_i,i∈S}；

（3）TDMA约束：

t≤T；

（4）最大传输功率约束：

$W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1).t-P_{\max }\·t\≤0,(i,j)\∈E;$

（5）最大节点能耗约束：

$\underset{j}{\mathrm{\Σ}}[W\·N_0\·d_{\mathrm{ij}}^m(2^{w_{\mathrm{ij}}/(t\·W)}-1)+P_{\mathrm{tx}}].t+\underset{j}{\mathrm{\Σ}}{P}_{\mathrm{rx}}\·t\≤E_i\∀i,$ w_ij≥0,t_ij＞0(i,j)∈E；

其中，i、j表示节点，R_i表示节点i的信源编码速率，w_ij和w_ji分别表示在分配的时隙周期t内由节点i和节点j构成的链路(i,j)上传输的比特数和从其他节点接收到的比特数，t_ij表示链路(i,j)活跃t秒，n表示信源符号的个数，E为能量的表示符号，W表示带宽，N₀表示两倍的加性白噪声的双边噪声功率谱密度，d_ij表示节点i和j之间的距离，m表示路径丢失系数，P_tx和P_rx分别表示发送电路和接收电路的功率；

表示在

下的条件熵，S表示范围从1到N的节点集，

是集合X_s的补集，N为自然数，X_i表示一个传感器测量值，T表示一个TDMA帧的时间长度，P_max表示最大传输功率，E_i表示最大节点能耗；

发送功率P_ij为：

$P_{\mathrm{ij}}=W\·d_{\mathrm{ij}}^m\·(2^{w_{\mathrm{ij}}/(t.W)}-1)\·N_0;$

最小化问题在（w_ij,t）为凸点，E(w_ij,t)的Hessian矩阵的非零特征根为非负特性，特征根如下：

$\frac{[2^{w_{\mathrm{ij}}/(t\·W)}\·N_0\·d_{\mathrm{ij}}^m\·{\left(\ln 2\right)}^2]\·(t^2+w_{\mathrm{ij}}^2)}{t^3\·W};$

二、所述安全压缩步骤包括数据的压缩感知步骤和安全加密步骤，其中，

在数据的压缩感知步骤中，使用线性反馈移位寄存器产生随机矩阵

将输入向量和随机矩阵

相乘，其能耗依赖于随机矩阵大小，采用压缩比r体现压缩容量，计算公式为：

$r=\frac{\mathrm{ciphertextlength}}{\mathrm{plaintextlength}}\×100\%$

公式中分子是密文长度，分母是明文长度；

数据的压缩感知步骤具体包括：

步骤1、初始化簇首节点，采集数据并接收从其他节点发来的数据；

步骤2、对簇首进行跨层联合优化；

步骤3、对簇首进行安全压缩；

步骤4、簇首传输数据至下一个中继节点；

步骤5、各簇首重复执行步骤1至步骤4，直至到达汇聚节点，汇聚节点进行数据的汇聚和重建恢复；

安全加密步骤为：

步骤（1）：接收压缩感知步骤处理输出的数据；

步骤（2）：由线性反馈移位寄存器生成码钥，在初始状态下生成不同的状态；

步骤（3）：将步骤（2）产生的每一个状态都作为一个码钥传给各个数据分块；

步骤（4）：对每个数据分块，用不同的码钥进行加密；

步骤（5）：在码钥基础上按照不同的顺序重新变换随机矩阵；

步骤（6）：使用加密hash算法进行加密。

2.如权利要求1所述的一种基于跨层安全压缩的节能传感器数据收集方法，其特征在于：在安全压缩步骤中，簇成员不参与跨层安全压缩，只有簇首参与此过程；采用双分解技术，由汇聚节点更新双变量，簇首迭代更新传输功率、编码速率和时隙周期。

3.如权利要求1所述的一种基于跨层安全压缩的节能传感器数据收集方法，其特征在于，所述步骤2中，对簇首进行跨层联合优化具体包括：

（201）估算数据相关性；

（202）根据非线性凸优化算法，计算最小能耗；

（203）获得能量最小化时的信源编码速率、传输功率、TDMA时隙长度，并实施到簇首节点。

4.如权利要求1所述的一种基于跨层安全压缩的节能传感器数据收集方法，其特征在于，所述步骤3中，对簇首进行安全压缩具体包括：

（301）对数据进行频域变换；

（302）线性反馈移位寄存器根据种子产生伪随机码序列构成的密钥；

（303）将频域变换后的分组数据与密钥相乘，进行矩阵变换；

（304）对变换后的矩阵进行量化；

（304）对量化后的矩阵进行熵编码；

（306）完整性检查。

Images