CN110049528A - 一种传感网中基于信任值效用的移动式可信数据收集方法 - Google Patents

Abstract

一种传感网中基于信任值效用的移动式可信数据收集方法，在无线传感器数据采集的应用中，先根据节点间的关系设计节点信任评估算法(如直接信任值和间接信任值)，由已有算法获得节点的量化信任值。根据获得的信任值，在后续的簇头节点选举中产生可信的簇头节点。最终根据各簇头节点间的欧氏距离和相关的下一跳簇头节点的信任值，计算出信任效用值最大的下一簇头节点，以此产生一条信任值效用最大的可信路径。

Description

一种传感网中基于信任值效用的移动式可信数据收集方法

技术领域

本发明涉及大规模无线传感器网络的信息安全领域，特别是指一种传感网中基于信任值效用的移动式可信数据收集方法。

背景技术

近年来，云计算技术飞速发展，可以为用户提供多种多样的云计算服务，同时拓展了传感器网络的应用空间，也为解决传感器网络的诸多限制问题提供了新的思路。例如，在环境监测应用中，一个物理传感器节点可以同时监测温度、湿度、二氧化碳浓度等多种信息。通过云平台提供的服务，其可以被虚拟成多个传感器节点，从而方便地供多个用户使用，不仅降低了成本，而且提高了利用率。用户通过云平台，足不出户即可获取自己所需的数据。与此同时，传感器网络在利用云计算服务时也产生了数据安全问题，但目前的传感云系统在数据安全保护方面仍有缺陷。网络巨头思科公司首席执行官John Chambers预言，数据安全将成为云计算前进道路上的“噩梦”。据统计，由于噪声等因素会导致传感器采集的数据发生偏差，只有不到49％的信息是有效的、可信的。此外，由于传感节点能力弱，非常容易遭受恶意攻击而被物理操纵，从而产生无效的甚至是误导性的数据。

更为糟糕的是，如果第一步收集到的数据就是不可信的，后续的数据保护更是无从谈起。因此，云端有必要对底层传感器网络的数据可信性进行管理。然而，云端服务器与底层传感网络分隔得太远，缺乏对其的直接掌控，并且由于网络带宽有限、传输错误等因素会导致较大的时延。此外，由于传感器节点的资源不足，大多部署于苛刻复杂的环境中，本身就容易发生故障和错误。

近几年来，很多网络信息安全领域的研究学者对大规模无线传器网络中的信任评价和数据收集问题做了相关的工作。按照具体应用方向来分主要有数据收集、信任感知路由、节点信任评价管理等，其中最主要的是节点信任评价。现有的无线传感器网络节点信任评价主要是提出一个值得信赖的信任框架来进行评估，可信数据的计算和判定全都放在底层传感器来实现，不能从根本上解决节点能量、计算和存储能力有限的问题，同时对评估信任值没有十分具体的应用体现。例如，在针对水下传感器网络的应用中提出的多维信任度抗攻击模型，分析了信任评价中的传递信任、数据信任和节点信任等常见方面。但是，在具体的实现中并没有将获得的信任值进行具体量化，也没有用于关键的算法中。

目前的解决方案之所以难以从根本上解决上述问题，主要原因是因为传感网受限于如下两个因素：能耗问题和能力问题。在此背景下，引入功能较强(通信能力、计算能力、存储能力)的可移动单元(Mobile Elements)似乎是现阶段能突破瓶颈的可行办法，已经被成功地应用到拓扑控制、移动监测等诸多领域，以提高效率、节省传感器的能量。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种传感网中基于信任值效用的移动式可信数据收集方法，将节点的可信值纳入考察之中，将量化的节点信任值用于可信数据收集路径的规划中，在考虑能量消耗的同时获取最多可信的数据。

本发明采用如下技术方案：

一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，包括如下步骤：

1)建立直接信任模型，以便根据节点的通信交互历史、能量剩余情况和丢包率计算节点的直接信任值；

2)建立间接信任传递模型，以便计算节点间的间接信任值；

3)结合步骤1)2)，计算所有节点的信任评估值；

4)根据节点的信任评估值确定可信的簇头节点；

5)计算簇头节点间的信任效用值，根据信任效用值确定最优的数据收集路径。

所述直接信任值计算公式如下：

T_c＝ω_i×T_i+ω_e×T_e+ω_P×T_p

T_c为直接信任值，T_i为与通信交互历史相关的节点与邻居节点的通信信任值，T_e为与能量剩余情况相关的节点能量信任值，T_P为与丢包率相关的节点的丢包信任值；ω_i，ω_e，ω_P分别表示通信信任值、能量信任值和丢包信任值的权重。

建立间接信任传递模型是指：定义评估节点和被评估节点和推荐节点；统计评估节点和被评估节点间的公共邻居节点集；在该公共邻居节点集中，选择满足可信阈值的公共邻居节点作为传递节点。

所述间接信任值计算方法如下：

首先，计算经传递节点k推荐后的被评估节点X在评估节点Y处的信任值：

(T_X，Y)_k＝T_X，k×T_k，Y

T_k，Y表示传递节点k与评估节点Y的直接信任值，T_X，k表示被评估节点X与传递节点k的直接信任值；

则评估节点Y处得到的被评估节点X的间接信任值即为分别经各传递节点推后的信任值的均值：

其中，m为传递节点个数，为传递节点k的权值，k＝1.2.3…m。

所述步骤3)包括：首先，判断节点是否有邻居节点可以通信，若有，则采用步骤1)计算直接信任值作为信任评估值；若否，则采用步骤2)计算间接信任值作为信任评估值。

所述步骤4)采用低功耗自适应的LEACH路由协议的簇头生成方法确定所述可信的簇头节点。

步骤5)中，所述信任效用值为簇头节点u和簇头节点v两点之间的欧氏距离与即将到达的下一个簇头节点的信任评估值的比值。

步骤5)中，所述根据信任效用值确定最优的数据收集路径，具体为：取某一簇头节点为移动雾节点收集数据的起点，移动雾节点将该簇头节点的下一跳簇头节点中信任效用值最大的作为下一移动目标节点，直至达到移动距离限制，从而获得所述最优的数据收集路径。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、本发明在无线传感器数据采集的应用中，先根据节点间的关系设计节点信任评估算法(如直接信任值和间接信任值)，由已有算法获得节点的量化信任值。根据获得的信任值，在后续的簇头节点选举中产生可信的簇头节点。最终根据各簇头节点间的欧氏距离和相关的下一跳簇头节点的信任值，计算出信任效用值最大的下一簇头节点，以此产生一条信任值效用最大的可信路径。

2、本发明方法，通过移动的移动雾节点在有限的移动距离内依次访问可信的簇头节点，收集可信的传感数据，发送给周围的基站，再交给上层用户，达到系统应用和决策可信的目的。

3、本发明引入边缘计算模式的思想，将功能较强的移动节点与传统的汇聚节点、基站等固定节点组成边缘节点层，充分利用边缘节点的本地计算和存储能力来对传感云系统进行可信数据收集

4、本发明能够在有限的移动距离内达到更好的收集可信数据的效果。

5、本发明方法抗干扰性强，其不受网络规模的限制，同时可以适应多网络恶意节点场景，有很好的可靠性。

附图说明

图1为数据收集网络框架图；

图2为移动雾节点最短路径示意图；

图3为移动雾节点最大效用路径；

图4为不同策略对网络性能的影响；

图5为不同方法上的网络能量消耗实验结果；

图6为不同信任情况下的实验效果；

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

一种传感网中基于信任值效用的移动式可信数据收集方法，在无线传感器数据采集的应用中，先根据节点间的关系设计节点信任评估算法(如直接信任和间接信任)，由已有算法获得节点的量化信任值。根据获得的信任值，在后续的簇头节点选举中产生可信的簇头节点。最终根据各簇头节点间的欧氏距离和相关的下一跳节点的信任值，计算出效用值最大的下一节点，以此产生一条信任值效用最大的可信路径。通过移动的边缘节点在有限的移动距离内依次访问可信的簇头节点，收集可信的传感数据，发送给周围的基站，再交给上层用户，达到系统应用和决策可信的目的。

参见图1，该网络结构图表示一个简单的数据收集网络，主要在底层进行基于效用值的可信数据收集，之后由移动雾节点将数据发送给附近的基站节点，最终上传到云端或用户端，用于预测和事件决策。在底层的数据收集中，我们先将区域内的传感器节点进行合理分簇，采用可信的簇头节点产生方法选举出可信的簇头节点。移动雾节点从选定的起点开始，沿着效用值最大的路径移动，在有限的移动距离内收集可信簇头节点的数据)。

本发明的可信数据收集方法具体包括如下步骤：

步骤1)：建立直接信任模型，以便计算节点的直接信任值。通过对节点的历史通信交互情况、节点能量剩余和节点丢包率三个细粒度参数的评估，获得节点的直接信任值。

A.节点的通信交互历史

节点与邻居节点进行通信，用S表示成功交互的次数，C表示交付的总次数。节点间的通信信任值T_i表示为：

T_i＝ω_oldi×T_oldi+ω_newi×T_newi (1)

T_newi＝S/C (2)

ω_oldi+ω_newi＝1,且ω_oldi,ω_newi∈[0,1] (3)

ω_oldi与ω_newi分别表示节点旧的通信信任权值和新通信权值，T_newi和T_oldi分别表示新旧信任值，初始化阶段T_oldi＝0，ω_oldi和ω_newi可根据应用环境调节。

B.能量剩余情况

在节点的信任评估中，节点的能量也是重要的评估指标，设节点初始能量为E_i,剩余能量为E_c。同时为每个物理节点设置一个阈值E_m,当节点的剩余能量小于阈值时，能量信任值T_e为0，否则节点的能量信任值T_e计算表示为:

C.丢包率

为确认数据发送接收的链路上节点的通信行为是否存在异常，节点的丢包率也最为信任评估的参考因素。发送的数据包数目为P_s,接收到的数据包数目为P_r,同时为物理节点设置数据包传送阈值P_m，当节点接收的数据包数量小于阈值时，直接采用推荐来计算节点的信任值，同时丢包率信任值T_P置为初始值0.5。丢包率相关的信任值T_P为：

在可以得到直接信任的情况下，根据上述分量计算节点的直接信任值：

T_c＝ω_i×T_i+ω_e×T_e+ω_P×T_p (6)

T_c表示为直接信任值，ω_i，ω_e，ω_P分别表示通信信任值、能量信任值和丢包信任值赋予的权重。

步骤2)：建立间接信任传递模型，构建节点间的间接信任值计算框架。节点不能与所有节点直接通信，部分节点要依靠其他节点与其交互的历史记录而得到间接信任值。同时由于恶意攻击问题和可能出现的节点间通信数据包数量过小的问题，需要建立间接信任传递模型。

由于每个节点的可信程度不同，如推荐节点可能为恶意节点，故需要对推荐节点赋予权值,权值定义为在间接信任评估前，定义评估节点和被评估节点和推荐节点，统计评估节点和被评估节点间的公共邻居节点集。同时被评估节点也应对公共节点集中的节点的信任值进行判定，只有满足可信阈值的节点才能作为信息的传递节点。如图1，要在节点Y处计算节点X的信任，则先要判定传递节点A、B、C、D的信任值，信任值小于阈值的节点(如节点B)则不作为传递节点。

(T_X，Y)_A＝T_X，A×T_A，Y (7)

即为经节点A推荐后的节点X在节点Y处的信任值。推荐节点的权值与相邻节点的直接信任值成正比，则推荐节点A的权值定义为：

其中m表示邻居节点的个数，T_A，Y表示节点A与节点Y的直接信任值，表示推荐节点的直接信任值的和。节点Y处得到的节点X的间接信任即为各推荐路径信任值的均值，公式为:

当节点i想要获取节点j的信任值时，节点i首先检查它记录邻居节点的列表，如果节点j在邻居节点列表中，则采用直接信任评价，否则采用间接信任评价。

步骤3)：利用步骤1)、2)计算设有节点的信任评估值。节点的信任值评估算法通过对节点直接信任值、间接信任值、能量剩余情况和丢包率四个参数的计算，最终得到节点的信任评估值。算法的输入为涉及直接信任值和间接信任值计算的相关变量，节点能量和发送接收的数据包。输出为节点的最终评估信任值。

该步骤中，先判断节点是否有邻居节点可以通信，若有，则采用步骤1)计算直接信任值作为信任评估值；若否，则采用步骤2)计算间接信任值作为信任评估值。

首先，对于任一给定的稳定网络，我们的目标是计算出每个节点的信任值(包括簇头节点)。主要方法是对传感器节点的通信交互、能量剩余和丢包率等参数进行计算，同时结合权重获得区域节点的直接信任值。在计算中要先进行判断，看节点是否是自己的邻居节点，同时节点此次接收的数据包是否满足要求。满足上述条件的节点，计算直接信任值，否则考虑间接信任值。该算法主要分为两步：首先是计算直接信任值T_X，Y(节点X与邻居节点Y间的信任值)，其次是在T_X，Y的基础上根据路由表中节点的关系，决定是采用直接信任值还是利用间接信任关系求解间接信任值，最终得出节点信任值T_c。

对于不在自己邻居节点列表内的节点，或者是作为邻居节点但节点此次接收到的数据包数量P_r不满足要求，即P_r<P_m时，我们需要通过间接信任来判定节点的可信度。

步骤4)：利用获得的信任评估值，确定可信的簇头节点。基于已有的低功耗自适应的LEACH(Low Energy Adaptive Clustering Hierarchy)路由协议的簇头生成方法，我们在此将信任值作为选举簇头节点的参考条件。基于信任值的簇头节点的产生过程：

1)网络初始阶段采用LEACH路由协议进行节点分簇，得到若干个簇，即产生了若干个簇头节点。

2)在网络工作一段时间后，簇内的各节点将会产生计算信任值所需的参数，簇头节点根据产生的参数计算簇内各节点的信任评估值。

3)簇头节点对数据进行必要的压缩融合后，只需将各簇内各节点的信任评估值数据和身份ID发送给基站。

4)基站根据接收到的数据对包括各簇头节点在内的节点的数据进行统计分析，便可以生成各节点的信任评估值表。

5)在下一轮的簇头节点选举中，直接选举信任评估值较高的节点作为簇头节点，依次循环工作。

步骤5)：利用步骤1-4的信任值结合欧式距离，产生可信的数据收集路径。通过计算簇头节点间的信任效用值，根据信任效用值确定最优的数据收集路径。

基于前面对节点的信任评价，对移动路径的选择我们提出基于效用的路径选择法。主要的目标是找到一段时间中，网络中信任效用值较大的簇头节点集，由此节点集连线构成移动雾节点的数据收集路径。

簇头节点间的信任效用评价定义为u和v两点之间的欧氏距离与即将到达的下一个点(此处为u到v，则下一个到达的顶点为v)的信任评估值的比值，这样在数据收集的时候在有限的移动距离内，可以尽量经过可信度最高的节点区域，达到一次移动收集更多可信数据的目标。

取某一簇头节点为移动雾节点收集数据的起点，根据此节点的下一跳节点的移动效用，移动雾节点选择效用最大的下一移动目标节点，直到达到移动距离限制，通过多次选择可以获得效用最优的移动路径。

该算法的执行步骤如下：

①将起始簇头节点B添加到PATH列表中，同时起始簇头节点关联的簇头节点集{A₁，A₂，...，A_i，...，A_k-1，A_k}作为下一跳候选簇头节点队列。

②根据计算候选簇头节点的信任效用，将候选簇头节点按效用值降序排列为{S_n，S_n-1，...，S_i，...，S₂，S₁}，选择效用值最大的簇头节点为S_n。

③判断簇头节点S_n是否为初始簇头节点B，若为初始簇头节点，则选择集合中下一位置簇头节点为下一跳目标簇头节点h,同时将此簇头节点标记为初始节点；否则，进入下一步。

④将下一目标簇头节点h加入PATH列表中，计算路径长度sum＝sum+l_h(sum初始值为0),比较sum与L_m的关系，若sum≥L_m,则算法结束；否则进入下一步。

⑤重复步骤②～④，直到遍历所有的簇头节点，算法结束。

参见图2，移动雾节点最短路径(根据低功耗自适应的LEACH路由协议的分簇方法，产生若干个簇。在每个簇内，基于信任值的方法选举产生可信值较高的节点作为本轮簇头节点。移动雾节点根据规划的最短路径，在有限的移动距离内依次访问每个可信的簇头节点，收集节点产生的数据。)

参见图3，移动雾节点最大效用路径(移动雾节点从某一选定的起点出发，根据此区域内与起点相关联的节点，选择效用值最大的节点作为下一移动的目标节点。簇头节点间的信任效用评价定义为u和v两点之间的欧氏距离与即将到达的下一个点(此处为u到v，则下一个到达的顶点为v)的信任值的比值。根据这一簇头节点路径选择方法，依次产生本轮效用值最大的簇头节点，组成移动雾节点的可信数据收集路径。

我们采用MATLAB R2018a构建仿真平台，对所提出的可信数据收集算法进行性能评估和分析。仿真环境设定为在300m×300m的区域内随机部署400个节点，并且选取100个节点为簇头节点，假设移动雾节点从选定的出发点开始匀速移动，并且移动速度和通信半径可调节。

图4是具体的实验结果。UTDC是我们提出的基于效用的贪心启发式可信数据收集算法，RCC和MADG是与我们所提UTDC方法类似的数据收集方法。通过实验结果我们可以看到，在不同的节点数量下，采用收集节点任意的移动和访问所有的簇头节点的网络生命周期明显低于我们提出的UTDC方法。随着网络节点数量的增多，我们提出的基于效用的贪心启发式可信数据收集方法能较好的控制网络的总延迟，达到高效实时的目的。

在采用移动元素收集传感器数据的应用中，移动数据收集器(MDC)大多都采用机器人小车，它的移动速度一般为0.5m/s～2m/s。所以我们比较了移动雾节点在不同移动速度下及不同方法下的能量消耗，同时也实验了划分不同的簇头节点的网络能耗。参见图5，从结果我们可以看出，采用移动雾节点能在最大的移动速率和最大的分簇情况下最小化能量消耗，有效延长网络中节点的寿命。

根据我们提出的基于信任值的节点评价方法，我们实验了在不同恶意节点比率下的单位能量的可信数据比率和不同信任方法的能量消耗。参见图6，通过实验我们可以得到，采用我们基于信任值效用的方法能在恶意节点占比较大的情况下显著降低网络能量消耗同时收集到可靠的传感数据，相较于只考虑信任值的方法在节能方面具有显著优势。

本发明提出了利用基于信任值效用的方法来进行传感网可信数据的收集：即通过对节点的信任评估来获得节点的量化信任值，通过计算节点间的欧氏距离和下一节点的信任值的比值即为信任值的效用。通过在有限移动距离内选择效用值最大的簇头节点来生成移动路径，从而实现高效收集可信数据的方法。

本发明提出了利用信任值来产生可信的簇头节点的方法：即网络初始阶段采用LEACH路由协议进行节点分簇，一段时间后计算簇内各节点的信任值，在下一轮的簇头节点选举中，直接选举信任值较高的节点作为簇头节点，依次循环工作。通过基于信任值的方法选举产生的簇头节点，保证了所产生簇头节点的质量，有效降低了恶意节点带来的影响。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (8)

1.一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，包括如下步骤：

1)建立直接信任模型，以便根据节点的通信交互历史、能量剩余情况和丢包率计算节点的直接信任值；

2)建立间接信任传递模型，以便计算节点间的间接信任值；

3)结合步骤1)2)，计算所有节点的信任评估值；

4)根据节点的信任评估值确定可信的簇头节点；

5)计算簇头节点间的信任效用值，根据信任效用值确定最优的数据收集路径。

2.如权利要求1所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，所述直接信任值计算公式如下：

T_c＝ω_i×T_i+ω_e×T_e+ω_P×T_p

T_c为直接信任值，T_i为与通信交互历史相关的节点与邻居节点的通信信任值，T_e为与能量剩余情况相关的节点能量信任值，T_P为与丢包率相关的节点的丢包信任值；ω_i，ω_e，ω_P分别表示通信信任值、能量信任值和丢包信任值的权重。

3.如权利要求1所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，建立间接信任传递模型是指：定义评估节点和被评估节点和推荐节点；统计评估节点和被评估节点间的公共邻居节点集；在该公共邻居节点集中，选择满足可信阈值的公共邻居节点作为传递节点。

4.如权利要求3所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，所述间接信任值计算方法如下：

首先，计算经传递节点k推荐后的被评估节点X在评估节点Y处的信任值：

(T_X，Y)_k＝T_X，k×T_k，Y

T_k，Y表示传递节点k与评估节点Y的直接信任值，T_X，k表示被评估节点X与传递节点k的直接信任值；

则评估节点Y处得到的被评估节点X的间接信任值即为分别经各传递节点推后的信任值的均值：

其中，m为传递节点个数，为传递节点k的权值，k＝1.2.3…m。

5.如权利要求1所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，所述步骤3)包括：首先，判断节点是否有邻居节点可以通信，若有，则采用步骤1)计算直接信任值作为信任评估值；若否，则采用步骤2)计算间接信任值作为信任评估值。

6.如权利要求1所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，所述步骤4)采用低功耗自适应的LEACH路由协议的簇头生成方法确定所述可信的簇头节点。

7.如权利要求1所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，步骤5)中，所述信任效用值为簇头节点u和簇头节点v两点之间的欧氏距离与即将到达的下一个簇头节点的信任评估值的比值。

8.如权利要求1所述的一种传感网中基于信任值效用的移动式可信数据收集方法，其特征在于，步骤5)中，所述根据信任效用值确定最优的数据收集路径，具体为：取某一簇头节点为移动雾节点收集数据的起点，移动雾节点将该簇头节点的下一跳簇头节点中信任效用值最大的作为下一移动目标节点，直至达到移动距离限制，从而获得所述最优的数据收集路径。