CN110167020B - 一种动态分簇的无线智能锁网络上数据的加密方法 - Google Patents

一种动态分簇的无线智能锁网络上数据的加密方法 Download PDF

Info

Publication number
CN110167020B
CN110167020B CN201910349563.4A CN201910349563A CN110167020B CN 110167020 B CN110167020 B CN 110167020B CN 201910349563 A CN201910349563 A CN 201910349563A CN 110167020 B CN110167020 B CN 110167020B
Authority
CN
China
Prior art keywords
intelligent lock
cluster
node
data
network
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.)
Active
Application number
CN201910349563.4A
Other languages
English (en)
Other versions
CN110167020A (zh
Inventor
阮秀凯
郭文博
陈思光
闫正兵
周志立
谈燕花
崔桂华
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.)
Zhejiang Zhicai Technology Co ltd
Wenzhou Jingcai Optoelectronics Co ltd
Wenzhou University
Original Assignee
Zhejiang Zhicai Technology Co ltd
Wenzhou Jingcai Optoelectronics Co ltd
Wenzhou University
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 Zhejiang Zhicai Technology Co ltd, Wenzhou Jingcai Optoelectronics Co ltd, Wenzhou University filed Critical Zhejiang Zhicai Technology Co ltd
Priority to CN201910349563.4A priority Critical patent/CN110167020B/zh
Publication of CN110167020A publication Critical patent/CN110167020A/zh
Application granted granted Critical
Publication of CN110167020B publication Critical patent/CN110167020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor 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

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种动态分簇的无线智能锁网络上隐私数据的加密方法，包括确定每一预设周期时隙中基于动态分簇的无线智能锁网络的节点分簇情况及每一簇内的活动智能锁节点；对每一簇内的活动智能锁节点进行数据监测，得到每一预设周期时隙中各簇内各活动智能锁节点的感知数据，且计算出每一预设周期时隙中各簇内各活动智能锁节点的时间数据；计算出每一预设周期时隙中各簇内的空间数据；将各簇内的空间数据采用预设的加密函数进行编译，得到在动态分簇的网络上传输的密文数据。实施本发明，对动态变化的事件驱动型应用场景中具有时空性的感知数据进行深度压缩，不仅减少智能锁节点通信的数据量，还降低智能锁通信频率，延长了网络的生命周期。

Description

一种动态分簇的无线智能锁网络上数据的加密方法
技术领域
本发明涉及无线智能锁网络技术领域，尤其涉及一种动态分簇的无线智能锁网络上数据的加密方法。
背景技术
现代在酒店、公寓等应用场景，众多智能锁分布在各楼层，需联合控制，如此数量庞大的智能锁常需通过蓝牙或WIFI、ZigBee等短距离无线通信方式进行组网，无线数据的传输大量损耗智能锁能耗，而智能锁均通过电池供电，电池寿命成为了考验智能锁的一个重要指标。
众所周知，无线智能锁网络的数据收集过程中，数据不可避免地要在某些智能锁节点进行处理，然而智能锁的数据所需安全级别很高，这些数据不能被非授权的人或组织获取，否则将带来严重的经济损失甚至安全威胁，故而智能锁数据保护问题在国际上引起了越来越多的关注。
作为对应的解决方案，各种加密手段层出不穷，就需要相应的网络架构来有针对性地应用不同的加密手段。在无线智能锁网络中，由于智能锁节点分布密度高，相邻智能锁节点数据具有时空相关性。冗余和以数据为中心的特性使得分簇策略更加适合于优化能耗，并为无线智能锁网络中的事件检测提供了高可扩展性和高传输质量。
目前，传统的网络分簇方法不适用于动态变化的事件驱动型应用场景，事件的可伸缩性和事件的持续时间可能会不断变化，而传统的分簇方法没有考虑事件的发展这一影响因素。又因为预先完成了簇的形成，导致相邻智能锁节点感知到的相关数据可能会传输到不同的簇头以进行数据融合和处理，并且可能会因为不适当的簇的形成，一些智能锁节点被迫发送无用的消息，而这显然不是所期望的结果。
因此，亟需一种无线智能锁网络上数据的加密方法，适用于动态变化的事件驱动型应用场景，并对动态变化的事件驱动型应用场景中具有时空性的感知数据进行深度压缩，不仅减少了智能锁节点需要进行通信的数据量，还降低了智能锁节点进行数据通信的频率，即有效延长了无线智能锁网络的生命周期。
发明内容
本发明实施例所要解决的技术问题在于，提供一种动态分簇的无线智能锁网络上数据的加密方法，适用于动态变化的事件驱动型应用场景，并对动态变化的事件驱动型应用场景中具有时空性的感知数据进行深度压缩，不仅减少了智能锁节点需要进行通信的数据量，还降低了智能锁节点进行数据通信的频率，即有效延长了网络的生命周期。
为了解决上述技术问题，本发明实施例提供了一种动态分簇的无线智能锁网络上数据的加密方法，包括以下步骤：
确定每一预设周期时隙中基于动态分簇的无线智能锁网络的节点分簇情况及每一簇内的活动智能锁节点；
对每一簇内的活动智能锁节点进行数据监测，得到每一预设周期时隙中各簇内各活动智能锁节点的感知数据，且根据所得到的每一预设周期时隙中各簇内各活动智能锁节点的感知数据，计算出每一预设周期时隙中各簇内各活动智能锁节点的时间数据；
根据所计算出的每一预设周期时隙中各簇内各活动智能锁节点的时间数据，计算出每一预设周期时隙中各簇内的空间数据；
将所计算出的每一预设周期时隙中各簇内的空间数据采用预设的加密函数进行编译，得到在动态分簇网络上传输的密文数据。
其中，所述各活动智能锁节点的时间数据由下式计算得出：
Figure GDA0003891313350000021
其中，
Figure GDA0003891313350000022
为第i个活动智能锁节点的数据，且m为第m个周期时隙；
Figure GDA0003891313350000023
为第i个活动智能锁节点的M个数据向量，上标T表示矩阵转置运算；
Figure GDA0003891313350000031
m<M。
其中，所述各簇内的空间数据由下式计算得出：
Figure GDA0003891313350000032
其中，
Figure GDA0003891313350000033
为各簇在第m个周期时隙空间维度为n的空间数据；
Figure GDA0003891313350000034
为同一簇内的各活动智能锁节点的时间数据的集合；
Figure GDA0003891313350000035
为一个n×N维的矩阵，且n<<N。
其中，所述密文数据由下式计算得出：
Figure GDA0003891313350000036
其中，Enc()为加密函数。
实施本发明实施例，具有如下有益效果：
相对于传统分簇的无线网络智能锁数据的加密方法，本发明基于动态分簇的无线智能锁网络，确保活动簇恰好位于事件区域中，适用于动态变化的事件驱动型应用场景，使智能锁节点感知数据具有更好的时空相关性，对动态变化的事件驱动型应用场景中具有时空性的数据进行时间和空间压缩后进行加密，从而在确保数据隐私保护的前提下，不仅减少了智能锁节点需要进行通信的数据量，还降低了智能锁节点进行数据通信的频率，即有效延长了网络的生命周期。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提出的一种动态分簇的无线智能锁网络上数据的加密方法的流程图；
图2为图1中步骤S1之前的动态分簇的无线智能锁网络构建的流程图；
图3为图1中步骤S2内单个活动智能锁节点的时间数据处理的应用场景图；
图4为图1中步骤S3内各簇内的空间数据处理的应用场景图；
图5为图1中步骤S4内各簇内的空间数据进行加密编译的应用场景图；
图6为基于覆盖30-60个智能锁节点，每250个传输周期改变一次情况下，本发明实施例提出的一种动态分簇的无线智能锁网络上数据的加密方法的集群类隐私保护压缩数据收集(CPCS)算法与基于低功耗自适应集簇分层型协议的CPCS算法二者仿真得到的未死亡智能锁节点数量的对比图；
图7为基于覆盖30-60个智能锁节点，每250个传输周期改变一次情况下，本发明实施例提出的一种动态分簇的无线智能锁网络上数据的加密方法的CPCS算法与基于低功耗自适应集簇分层型协议的CPCS算法二者仿真得到的未死亡智能锁节点剩余能量的对比图；
图8为基于覆盖80-200个智能锁节点，每500个传输周期改变一次情况下，本发明实施例提出的一种动态分簇的无线智能锁网络上数据的加密方法的CPCS算法与基于低功耗自适应集簇分层型协议的CPCS算法二者仿真得到的未死亡智能锁节点数量的对比图；
图9为基于覆盖80-200个智能锁节点，每500个传输周期改变一次情况下，本发明实施例提出的一种动态分簇的无线智能锁网络上数据的加密方法的CPCS算法与基于低功耗自适应集簇分层型协议的CPCS算法二者仿真得到的未死亡智能锁节点剩余能量的对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明实施例中，提出的一种动态分簇的无线智能锁网络上数据的加密方法，包括以下步骤：
步骤S1、确定每一预设周期时隙中基于动态分簇的无线智能锁网络的节点分簇情况及每一簇内的活动智能锁节点；
步骤S2、对每一簇内的活动智能锁节点进行数据监测，得到每一预设周期时隙中各簇内各活动智能锁节点的感知数据，且根据所得到的每一预设周期时隙中各簇内各活动智能锁节点的感知数据，计算出每一预设周期时隙中各簇内各活动智能锁节点的时间数据；
步骤S3、根据所计算出的每一预设周期时隙中各簇内各活动智能锁节点的时间数据，计算出每一预设周期时隙中各簇内的空间数据；
步骤S4、将所计算出的每一预设周期时隙中各簇内的空间数据采用预设的加密函数进行编译，得到在动态分簇的无线智能锁网络上传输的密文数据。
具体过程为，在步骤S1之前，还包括建立基于事件检测的动态分簇的无线智能锁网络，具体步骤如下：
步骤S11、获取无线智能锁网络的本地和全局信息，并根据所获取的网络的本地和全局信息，得到各本地网络所含的智能锁节点，以及得到各本地网络中各智能锁节点所接收到的邻居智能锁节点ID号及携带的剩余能量；
具体为，无线智能锁的本地和全局信息是通过雾节点向本地网络及云端发送hello消息，以及各本地网络中各节点向其邻居广播握手消息来获取到的。其中，各本地网络与雾节点的距离由接收到Hello消息的信号强度来决定；各本地网络中各节点所接收到的邻居节点ID号及携带的剩余能量是通过同一本地网络中各节点向其邻居广播握手消息来获取到的。
步骤S12、在各本地网络中将所有节点广播竞争信息的半径设为同一定值，并根据所得到的各本地网络中各节点接收到的邻居节点ID号及携带的剩余能量，筛选出各本地网络中携带的剩余能量最大的节点；
具体为，为了节能和负载平衡，簇头应尽可能均匀地分布在监控区域，且广播竞争信息的半径Rc设置为限制簇头竞争消息的广播范围，可将各本地网络中将所有节点广播竞争信息的半径设为同一定值。
当簇头承担数据转发和聚合任务时，剩余能量较多的节点适合作为簇头。为了节省竞争开销并减少冲突，这里引入了与节点剩余能量有关的广播延迟。因此，通过公式
Figure GDA0003891313350000051
，确定各本地网络中节点广播竞争信息的延时；其中，Ere(i)是第i个节点的剩余能量；Ti为各本地网络中节点广播竞争信息的延时。
根据所得到的各本地网络中各节点接收到的邻居节点ID号及携带的剩余能量，筛选出各本地网络中携带的剩余能量最大的节点。
步骤S13、判定各本地网络中携带的剩余能量最大的节点是否在给定的等待时间之前接收到某一节点广播的竞争信息，并根据判定结果，确定出各本地网络的簇头；
具体为，从步骤S2中可以看到，节点剩余的能量越多，其广播时延越小，则其成为簇头的可能性就越高。如果一个节点在给定的等待时间之前接收到来自其他节点的竞争消息，则它将放弃竞争簇头，否则它将在半径Rc内广播竞争消息以宣告自己成为簇头。
因此，若各本地网络中携带的剩余能量最大的节点是在给定的等待时间之前接收到某一节点广播的竞争信息，则将各本地网络中广播竞争信息至剩余能量最大节点上的节点设为簇头；反之，则将各本地网络中携带的剩余能量最大的节点设为簇头。
步骤S14、检测出各本地网络中存在活动事件发生的节点作为活动智能锁节点，并在各本地网络的簇头之中，得到各活动智能锁节点广播消息得到反馈后各自对应的两个最近簇头，且进一步将各活动智能锁节点各自得到的两个簇头之中剩余能量最大的簇头作为各活动智能锁节点的首选簇头，剩余能量次之的簇头作为各活动智能锁节点的候选簇头；
具体为，为了检测事件的动态变化，整个网络被分成2层逻辑覆盖子网。也就是说每个活动智能锁节点都属于两个不同的逻辑簇。即在各本地网络的簇头之中，需要得到各活动智能锁节点广播消息得到反馈后各自对应的两个最近簇头。将两个之中的剩余能量最大的簇头作为各活动智能锁节点的首选簇头，两个之中的剩余能量次之的簇头作为各活动智能锁节点的候选簇头。根据检测到的事件的发生区域，活动智能锁节点将选择要加入哪些簇。由此可以确保活动簇恰好位于事件区域中。不活动的智能锁节点不需要参与数据传输。另外，减少簇的形成的开销，因为簇的形成阶段只需要执行一次。
步骤S15、将各活动智能锁节点的首选簇头所在簇作为各活动智能锁节点加入的簇，并待各活动智能锁节点向各自加入的簇发送感知数据一段时间后，一旦检测出各活动智能锁节点的首选簇头的剩余能量降低至一定阈值，则重新选择各活动智能锁节点的候选簇头作为各活动智能锁节点的首选簇头，且将重新选择的各活动智能锁节点的候选簇头所在簇作为各活动智能锁节点加入的簇，用以自动实现网络耗能平衡。
具体为，簇头比其它智能锁节点要消耗更多的能量，活动智能锁节点应该轮流选择簇头以平衡网络的能耗。然而，频繁更新簇头会导致额外的能耗。为此引入了簇头重新调整的能量阈值。当首选簇头剩余能量小于阈值时，候选簇头作为首选簇头来承担数据处理和转发任务。
由于检测到的事件从一个区域转移到另一个区域，因此应该同步迁移活动的簇以确保相邻的活动智能锁节点尽可能被分到相同的簇内。一旦活动智能锁节点检测到事件，它首先发送一个“查询消息”给它的簇头，簇头将广播一个“回复消息”来通知其所在的簇内所有活动智能锁节点的数量消息。
综上，待基于动态分簇的网络构建完成后，在步骤S1中，确定每一预设周期时隙中基于动态分簇的无线智能锁网络的节点分簇情况及每一簇内的活动智能锁节点。
在步骤S2中，形成一维的时间数据压缩。待智能锁节点每一轮的分簇情况确定之后，对每一簇内的活动智能锁节点进行数据监测，得到每一预设周期时隙中各簇内各活动智能锁节点的感知数据。例如，每个活动智能锁节点在M个时隙内共获得M个感知数据。
根据每一预设周期时隙中各簇内各活动智能锁节点的感知数据，通过下式(1)计算出各活动智能锁节点的时间数据；
Figure GDA0003891313350000071
其中，
Figure GDA0003891313350000072
为第i个活动智能锁节点的时间数据，且m为第m个周期时隙；
Figure GDA0003891313350000073
为第i个活动智能锁节点的M个传感数据向量，上标T表示矩阵转置运算；
Figure GDA0003891313350000081
m<M。
某一簇内有N个活动智能锁节点，并以第一个智能锁节点为例，如图3所示，根据压缩感知理论，该智能锁节点的时间数据可由下式计算得出：
Figure GDA0003891313350000082
其中
Figure GDA0003891313350000083
为则M个传感数据向量，上标T表示矩阵转置运算。
设置一个m×M维的观测矩阵
Figure GDA0003891313350000084
其中m<M。
即
Figure GDA00038913133500000812
即有
Figure GDA0003891313350000085
的各个元素值如下：
Figure GDA0003891313350000086
同理可得
Figure GDA0003891313350000087
进而得到簇头收集来自簇内的N个智能锁节点的观测值
Figure GDA0003891313350000088
在步骤S3中，形成二维的空间数据压缩。此时，各簇内的空间数据由下式(2)计算得出：
Figure GDA0003891313350000089
其中，
Figure GDA00038913133500000810
为各簇在第m个周期时隙空间维度为n的空间数据；
Figure GDA00038913133500000811
为同一簇内的各活动智能锁节点的时间数据的集合；
Figure GDA0003891313350000091
为一个n×N维的矩阵，且n<<N。
以步骤S2中所得的N个智能锁节点的观测值
Figure GDA0003891313350000092
为例，如图4所示，根据压缩感知理论，其空间数据可由下式计算得出：
Figure GDA0003891313350000093
其中，观测矩阵
Figure GDA0003891313350000094
为一个n×N维的矩阵，这里(n<<N)。即
Figure GDA0003891313350000095
Figure GDA0003891313350000096
Figure GDA0003891313350000097
在步骤S4中，采用预设的加密函数Enc()进行编译，得到在动态分簇的网络上传输的密文数据；其中，密文数据由下式(3)计算得出：
Figure GDA0003891313350000098
如图5所示，采用同态的加密技术融合。此时，
Figure GDA0003891313350000099
Figure GDA0003891313350000101
Figure GDA0003891313350000102
利用同态加密算法的加法同态性，则
Figure GDA0003891313350000103
如图6至图9所示，在不同的事件可伸缩性和持续时间的情况下，通过仿真来评估本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS(集群类隐私保护压缩数据收集)算法性能与传统的基于低功耗自适应集簇分层型协议(Low Energy AdaptiveClustering Hierarchy，LEACH)的CPCS算法性能进行对比。
检测到的事件的可扩展性被随机选择的15-70覆盖的智能锁节点来表示，持续时间从100到1000轮不等。
在仿真过程中，当一个智能锁节点用尽其有限的能量时，则被认为死亡。我们知道，网络的生命周期具有不同的定义，如可根据第一个智能锁节点死亡的时间(FDT)，根据所有智能锁节点死亡的时间(ADT)以及根据指定智能锁节点死亡的时间(KDT)。由于所有智能锁节点具有相同的功能，每个智能锁节点可以被另一个智能锁节点替换，而第一个智能锁节点的死亡对数据传输性能的影响很小，所以FDT不能表示网络的生命周期。考虑以10％的智能锁节点的死亡时间(TDT)作为衡量网络寿命的指标，因为10％的智能锁节点的死亡对网络的连通性有很大影响。
设置两种不同的仿真场景来评估本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS算法性能。图6和图7是当检测到的事件随着小区域(覆盖30-60个智能锁节点，每250个传输周期改变一次)快速改变时的结果。从图6可以看出，虽然本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS算法的网络中第一个智能锁节点死亡时间(第351轮)比基于LEACH协议分簇的CPCS算法的网络中的死亡时间(第1039轮)要早，但本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS算法的网络生命周期从1116轮延长到了2159轮(TDT)。从图7中可以看出，相比基于LEACH协议的分簇效果，基于本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS算法中未死亡智能锁节点的平均剩余能量从一开始就大得多。由于大量剩余能量很少的智能锁节点几乎同时在第2500轮左右死亡，所以之后我们看到了剩余能量的波动。
如图8所示，当检测到的事件发生在一个变化比较缓慢的大规模(覆盖80-200个智能锁节点，每500个传输周期变化一次)区域时，与基于LEACH协议分簇的网络相比，本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS算法在延长网络寿命方面也拥有出色的表现。
如图9所示，相比于两种不同场景下的基于动态分簇的算法，当事件发生在一个较小的区域并不断快速变化到另一个区域时，本发明实施例中动态分簇的无线智能锁网络上数据的加密方法的CPCS算法效果更好。因此，上面设计的分簇方法更适用于在具有高速变化的小区域(例如目标跟踪)中触发通信的场景。
实施本发明实施例，具有如下有益效果：
相对于传统分簇的网络数据的加密方法，本发明基于动态分簇的网络，确保活动簇恰好位于事件区域中，适用于动态变化的事件驱动型应用场景，使智能锁节点感知数据具有更好的时空相关性，对动态变化的事件驱动型应用场景中具有时空性的感知数据进行时间和空间压缩后进行加密，从而在确保数据隐私保护的前提下，不仅减少了智能锁节点需要进行通信的数据量，还降低了智能锁节点进行数据通信的频率，即有效延长了网络的生命周期。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (2)

1.一种动态分簇的无线智能锁网络上数据的加密方法，其特征在于，包括以下步骤：
步骤S1、确定每一预设周期时隙中基于动态分簇的无线智能锁网络的节点分簇情况及每一簇内的活动智能锁节点；
步骤S2、对每一簇内的活动智能锁节点进行数据监测，得到每一预设周期时隙中各簇内各活动智能锁节点的感知数据，且根据所得到的每一预设周期时隙中各簇内各活动智能锁节点的感知数据，计算出每一预设周期时隙中各簇内各活动智能锁节点的时间数据；
步骤S3、根据所计算出的每一预设周期时隙中各簇内各活动智能锁节点的时间数据，计算出每一预设周期时隙中各簇内的空间数据；
步骤S4、将所计算出的每一预设周期时隙中各簇内的空间数据采用预设的加密函数进行编译，得到在动态分簇的无线智能锁网络上传输的密文数据；
在步骤S1之前，还包括建立基于事件检测的动态分簇的无线智能锁网络，具体步骤如下：
步骤S11、获取无线智能锁网络的本地和全局信息，并根据所获取的网络的本地和全局信息，得到各本地网络所含的智能锁节点，以及得到各本地网络中各智能锁节点所接收到的邻居智能锁节点ID号及携带的剩余能量；
步骤S12、在各本地网络中将所有节点广播竞争信息的半径设为同一定值，并根据所得到的各本地网络中各节点接收到的邻居节点ID号及携带的剩余能量，筛选出各本地网络中携带的剩余能量最大的节点；
步骤S13、判定各本地网络中携带的剩余能量最大的节点是否在给定的等待时间之前接收到某一节点广播的竞争信息，并根据判定结果，确定出各本地网络的簇头；
步骤S14、检测出各本地网络中存在活动事件发生的节点作为活动智能锁节点，并在各本地网络的簇头之中，得到各活动智能锁节点广播消息得到反馈后各自对应的两个最近簇头，且进一步将各活动智能锁节点各自得到的两个簇头之中剩余能量最大的簇头作为各活动智能锁节点的首选簇头，剩余能量次之的簇头作为各活动智能锁节点的候选簇头；
步骤S15、将各活动智能锁节点的首选簇头所在簇作为各活动智能锁节点加入的簇，并待各活动智能锁节点向各自加入的簇发送感知数据一段时间后，一旦检测出各活动智能锁节点的首选簇头的剩余能量降低至一定阈值，则重新选择各活动智能锁节点的候选簇头作为各活动智能锁节点的首选簇头，且将重新选择的各活动智能锁节点的候选簇头所在簇作为各活动智能锁节点加入的簇，用以自动实现网络耗能平衡；
所述各活动智能锁节点的时间数据由下式计算得出：
Figure FDA0003891313340000021
其中，
Figure FDA0003891313340000022
为第i个活动智能锁节点的时间数据，且m为第m个周期时隙；
Figure FDA0003891313340000023
为第i个活动智能锁节点的M个智能锁数据向量，上标T表示矩阵转置运算；
Figure FDA0003891313340000024
所述各簇内的空间数据由下式计算得出：
Figure FDA0003891313340000025
其中，
Figure FDA0003891313340000026
为各簇在第m个周期时隙空间维度为n的空间数据；
Figure FDA0003891313340000027
Figure FDA0003891313340000028
为同一簇内的各活动智能锁节点的时间数据的集合；
Figure FDA0003891313340000029
Figure FDA00038913133400000210
为一个n×N维的矩阵，且n＜＜N。
2.如权利要求1所述的动态分簇的无线智能锁网络上数据的加密方法，其特征在于，所述密文数据由下式计算得出：
Figure FDA00038913133400000211
其中，Enc()为加密函数。
CN201910349563.4A 2019-04-28 2019-04-28 一种动态分簇的无线智能锁网络上数据的加密方法 Active CN110167020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910349563.4A CN110167020B (zh) 2019-04-28 2019-04-28 一种动态分簇的无线智能锁网络上数据的加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910349563.4A CN110167020B (zh) 2019-04-28 2019-04-28 一种动态分簇的无线智能锁网络上数据的加密方法

Publications (2)

Publication Number Publication Date
CN110167020A CN110167020A (zh) 2019-08-23
CN110167020B true CN110167020B (zh) 2023-01-03

Family

ID=67640220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910349563.4A Active CN110167020B (zh) 2019-04-28 2019-04-28 一种动态分簇的无线智能锁网络上数据的加密方法

Country Status (1)

Country Link
CN (1) CN110167020B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114257969A (zh) * 2021-11-26 2022-03-29 珠海格力电器股份有限公司 基于mesh网络的通信交互方法、装置、存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7035240B1 (en) * 2000-12-27 2006-04-25 Massachusetts Institute Of Technology Method for low-energy adaptive clustering hierarchy
CN103973668A (zh) * 2014-03-27 2014-08-06 温州大学 一种网络信息系统中服务器端的个人隐私数据保护方法
CN105657642A (zh) * 2016-01-08 2016-06-08 重庆邮电大学 一种分簇的非加密式隐私保护数据融合方法
CN106059774A (zh) * 2016-05-31 2016-10-26 东南大学 基于分簇的数据切片混合隐私保护方法
CN106375940A (zh) * 2016-08-29 2017-02-01 北京农业信息技术研究中心 农业感知数据稀疏向量采集与空间耦合方法
CN108200625A (zh) * 2018-01-12 2018-06-22 温州大学 基于信道状态信息的分布式能源簇内协作节点选择方法
CN108521635A (zh) * 2018-03-29 2018-09-11 南京邮电大学 基于空时压缩的传感网络分簇优化方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104469879B (zh) * 2014-12-18 2018-10-09 武汉大学 一种动态k值分簇路由方法
US10524308B2 (en) * 2018-05-31 2019-12-31 Peyman Neamatollahi Method for decentralized clustering in wireless sensor networks
CN108880814A (zh) * 2018-06-28 2018-11-23 西安理工大学 一种动态的分簇无线传感器网络密钥管理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7035240B1 (en) * 2000-12-27 2006-04-25 Massachusetts Institute Of Technology Method for low-energy adaptive clustering hierarchy
CN103973668A (zh) * 2014-03-27 2014-08-06 温州大学 一种网络信息系统中服务器端的个人隐私数据保护方法
CN105657642A (zh) * 2016-01-08 2016-06-08 重庆邮电大学 一种分簇的非加密式隐私保护数据融合方法
CN106059774A (zh) * 2016-05-31 2016-10-26 东南大学 基于分簇的数据切片混合隐私保护方法
CN106375940A (zh) * 2016-08-29 2017-02-01 北京农业信息技术研究中心 农业感知数据稀疏向量采集与空间耦合方法
CN108200625A (zh) * 2018-01-12 2018-06-22 温州大学 基于信道状态信息的分布式能源簇内协作节点选择方法
CN108521635A (zh) * 2018-03-29 2018-09-11 南京邮电大学 基于空时压缩的传感网络分簇优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
An energy balanced QoS based cluster head selection strategy for WSN;Shilpa Mahajan ect.;《Egyptian Informatics Journal》;20141130;全文 *
An Energy Efficient Fuzzy Cluster Head Selection Algorithm for WSNs;Jin Wang, Junming Niu, Kai Wang, Wei Liu;《2018 International Workshop on Advanced Image Technology (IWAIT)》;20180531;全文 *
一种基于分簇的无线传感器网络动态密钥分发协议;周琴等;《传感技术学报》;20090720(第07期);全文 *
非均匀分布异构传感器网络动态多簇头成簇算法;刘唐等;《小型微型计算机系统》;20130515(第05期);全文 *

Also Published As

Publication number Publication date
CN110167020A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
Cengiz et al. Energy aware multi-hop routing protocol for WSNs
Bhattasali et al. Sleep deprivation attack detection in wireless sensor network
CN112019373B (zh) 一种基于动态信任评估模型的智能家居安全数据采集方法
Mansouri et al. Detecting DoS attacks in WSN based on clustering technique
Wang et al. A spectrum-aware clustering algorithm based on weighted clustering metric in cognitive radio sensor networks
CN108924786B (zh) 面向环境突发事件的无线传感器网络数据采集方法
Mansouri et al. Preventing denial of service attacks in wireless sensor networks
CN110167020B (zh) 一种动态分簇的无线智能锁网络上数据的加密方法
Almomani et al. Performance analysis of LEACH protocol under Denial of Service attacks
Rajesh et al. Energy competent cluster‐based secured CH routing EC2SR protocol for mobile wireless sensor network
CN103491542B (zh) 水下传感器网络中多路径路由的污水池攻击入侵检测方法
Farah et al. Detecting topological change using a wireless sensor network
Mengyao et al. Ring-based security energy-efficient routing protocol for WSN
Prashanth et al. Cluster based energy efficient routing protocol for heterogeneous wireless sensor networks
CN110035429B (zh) WiFi与ZigBee共存模式下抗干扰最小冗余方法
Zhang et al. Key management scheme based on nodes capture probability for wireless sensor networks
Srikanth et al. GREEN COMP BASED ENERGY EFFICIENT DATA AGGREGATION ALGORITHM WITH MALICIOUS NODE IDENTIFICATION (GEED-M) FOR LIFETIME IMPROVEMENT IN WSN
CN110149673B (zh) 一种基于事件检测的无线传感器网络动态分簇的方法
Rani et al. Optimizing on demand weight-based clustering using trust model for mobile ad hoc networks
Tan et al. HCEP: a hybrid cluster-based energy-efficient protocol for wireless sensor networks
Padmaja et al. Certain Investigation on Secured Data Transmission in Wireless Sensor Networks
Liu et al. A data aggregation mechanism based on spatial correlation chain-clustering for wireless sensor networks
CN110708735A (zh) 异构认知无线传感器网络分簇路由方法
BR et al. An Efficient Network Anomaly Detection Scheme over Heavy Traffic Wireless Sensor Network Environment
Sharma et al. Various hierarchical routing protocols in wireless sensor network: a survey

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant