CN111343631A - 水声传感器网络中基于位置推送的源节点隐私保护方法 - Google Patents

水声传感器网络中基于位置推送的源节点隐私保护方法 Download PDF

Info

Publication number
CN111343631A
CN111343631A CN202010181252.4A CN202010181252A CN111343631A CN 111343631 A CN111343631 A CN 111343631A CN 202010181252 A CN202010181252 A CN 202010181252A CN 111343631 A CN111343631 A CN 111343631A
Authority
CN
China
Prior art keywords
data
node
auv
source
underwater
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.)
Granted
Application number
CN202010181252.4A
Other languages
English (en)
Other versions
CN111343631B (zh
Inventor
韩光洁
王皓
江金芳
何宇
周泽仁
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.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai 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 Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN202010181252.4A priority Critical patent/CN111343631B/zh
Publication of CN111343631A publication Critical patent/CN111343631A/zh
Application granted granted Critical
Publication of CN111343631B publication Critical patent/CN111343631B/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
    • H04W12/60—Context-dependent security
    • H04W12/63—Location-dependent; Proximity-dependent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B11/00—Transmission systems employing sonic, ultrasonic or infrasonic waves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Security & Cryptography (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Robotics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种水声传感器网络中多信道干扰的源节点位置隐私保护方法，其步骤包括：首先，结合埃克曼漂流模型，针对静态层和动态层特点，分别选择节点分簇方式和区域划分方式；其次，为了应对攻击者监听攻击，将源‑伪数据混合传输和MAC层多信道干扰结合，利用多伪数据信道干扰掩盖源数据信道，保护源节点位置隐私。在利用多信道干扰数据传输后，水下节点利用主成分分析技术对感知信号降维，增强节点对AUV移动感知，随后，利用等SNR曲线对AUV移动方向进行预测，及时调整节点工作状态；最后，每个区域中AUV以蚁群算法规划数据收集路线，并在数据收集后将数据传输给移动基站。本发明能够阻碍攻击者监听攻击的成功率，提高水下数据的收集效率，摒弃节点位置默认已知的前提条件，增强水下环境中对源节点位置隐私的保护。

Description

水声传感器网络中基于位置推送的源节点隐私保护方法
技术领域
本发明涉及水声传感器网络中基于位置推送的源节点隐私保护方法，属于无线传感器网络通信支持技术领域。
背景技术
水声传感器网络位置隐私保护源于无线传感器位置隐私保护，往往与数据传输与收集方案结合在一起。由于水声传感器研究处于起步阶段，我们首先介绍无线传感器网络位置隐私保护。无线传感器网络的位置隐私保护经历了一定的发展，主要分为三个方面的保护：(1)对于源节点的位置隐私保护；(2)对于基站的位置隐私保护；(3)同时对源节点和基站进行保护。这三个方面有一些共同的地方。首先，攻击者的分类和攻击方式都是差不多的，攻击者主要分为局部攻击者和全局攻击者，局部攻击者只能够监听到部分传感器区域，这类攻击者能量有限，在网络中随机游走，当监听到一个数据包的时候，通过逐跳回溯的方法找到基站或者源节点，攻击者可分为有耐心的攻击者和谨慎的攻击者。有耐心的攻击者在一个地方一直监听，直到下一跳的数据到来；谨慎的攻击者对经过的节点进行标记，一旦在一个地方长时间没听到数据，就会回到一开始的地方。全局攻击者能量充沛，有着优良的监听设备，攻击方法也多样，对付这类的攻击者比较困难。在攻击手段上主要分为单纯监听、逐跳回溯追踪、时间关联分析、流量分析、ID分析、节点俘获、数据篡改等等。
在经典的熊猫-猎人模型中，当某个传感器节点感知到熊猫的位置时，立即作为源节点周期性地将观察到的熊猫生活习性数据以多跳传输的形式发送到基站；同时，网络中存在一个具备移动能力和局部无线通信监听能力的猎人，猎人采用逐跳回溯追踪数据包的方式来确定源节点的位置,从而确定熊猫的位置并进行盗猎活动。在该模型中,位置隐私保护技术的目标就是在保证熊猫监测数据传输的同时，防止猎人确定数据源节点的位置。
为了增强无线传感器网络位置隐私保护性，国内外许多研究者提出了许多隐私保护方案，相关文献如下：
1、陈娟等在《Hiding the Source Based on Limited Flooding for SensorNetworks》提出了一种基于源节点有限洪泛方法PUESRF和增强型改进方法EPUSBRF。在PUSBRF协议中，当源节点监测到熊猫的活动就向其h跳范围内的节点发送广播，h跳范围内的每个节点就都得到该节点及其邻居节点距离源节点的最小跳数值。在h跳范围的广播结束后，源节点每隔T时间产生一个数据包并向基站发送。在数据包h跳有向路由阶段，当前节点把数据包随机转发到距离源节点跳数较大的邻居节点。经过h跳路由后产生的幻影源节点均匀分布在远离源节点的各个方向上。最后通过最短路径路由把数据包转发到基站。但是PUSBRF协议有一个缺点，当源节点监测到目标后采用有限洪泛，但目标移动过快，需要多次洪泛，能量消耗会变大。为此提出了EPUSBRF协议，通过排除选择可视区内的节点，完全避免了失效路径的产生。 EPUSBRF协议与PUSBRF协议主要有三点不同。(1)在网络安全初始化阶段，不进行全网广播，仅实现节点的部署与网络参数的载入。(2)在进行源节点h跳有限广播的同时标记出可视区内的节点。(3)在完成源节点有限洪泛后，网络进行避开可视区的全网广播。这样EPUSBRF协议不会增加额外的开销，而且能完全避免产生失效路径，有效增强了源位置隐私保护。但是在传输的过程中会产生传输路径重叠的问题。
2、赵泽茂等在《Research on source location privacy routing basedonangle and probability in wireless sensor networks》提出了一种基于角度和概率的WSN源位置隐私保护路由RAPFPR。在RAPFPR协议中主要包括两个方面的内容：(1)真实源节点根据随机角度和距离的有向路由阶段，(2)幻影节点到基站的概率转发路由阶段。在随机角度选择幻影源节点中，考虑可视区的问题，将幻影源节点区域确定在一个圆环中，将圆环按照一定的角度进行划分，得到许多扇形。每次选择幻影源节点的时候，为了使产生的幻影源节点更加均匀地分布，同时使得连续产生的多个幻影源节点不会集中于某块区域，当真实源节点在一次数据包传输中选择区域A内的节点作为幻影源节点，那么在下一次数据包传输中就不会选择区域A相邻区域内的节点作为幻影源节点，而且在随后的数据包传输也不会选择区域A中的节点作为幻影源节点。在数据包路由阶段根据每个节点的转发因子来判断节点是否转发该数据包，减少重叠路径。
3、Wei Tan等在《An anti-tracking source-location privacy protectionprotocol in WSNs based on path extension》提出了一种路径延伸方案来针对逐跳回溯的方法（PEM），在PEM中加入了虚假数据包，但是与其他虚假数据包机制不同，PEM是在发送消息后动态生成虚假数据包，而不是固定的产生数据包。并且当真实数据包发送，虚假路径就生成。虚假数据包以不同的速率发送，每个路径都不一定指向源节点，目的是将攻击者引向远离源节点的路径。PEM采用的主要技术有：(1)初始虚假节点的生成。当real path上的节点得到一个数据包时，就生成一个随机数，这个随机数与系统参数进行比较，若小于系统参数，这个节点就成为初始虚假源节点。(2)路径延伸。在选完初始虚假源后，从邻居节点中选择一个新的虚假节点，每隔一定的间隔发送消息，新选择的节点不能在real path上，也不能是real path上其他节点的邻居节点。(3)虚假路径聚合。在一些特殊的情况下，虚假路径可以合并成公用一个虚假节点的路径，减少能量消耗。
4、Di Tang等在《Cost-Aware SEcure Routing(CASER)Protocol Design forWireless Sensor Networks》提出了一种节点可以意识到能耗的模型，可以较好的控制能量的消耗。并在能耗模型中，采用了将两种路由策略结合在一起，节点每次随机选择该用哪种策略转发数据包。虽然这种方法结合了最短路由和随机路由两种路由策略，但是由于缺少对路由策略的控制，导致数据包有可能永远到达不了基站。
5、Mohamed等在《A Cloud-Based Scheme for Protecting Source-LocationPrivacy against Hotspot-Locating Attack in Wireless Sensor Networks》提出了一种针对热点定位攻击的基于云的方案。在基于云的方案中，首先提出了热点现象，所谓的热点就是在一个小的区域中，节点向sink传递了大量的数据包，造成了网络中的数据流量明显的不一致。接着根据实际情况，提出了一种可以分布多个监听设备的攻击者。攻击者可以根据热点定位和逐跳回溯找到源节点，最后提出了基于云的方案来应对这种攻击。通过加入虚假数据流量和k匿名的方法，将源节点隐藏在一群节点当中，通过虚假流量隐藏真实流量，并且数据包逐跳加密，增强源节点位置隐私保护。
发明内容
本发明索要解决的技术问题是：选取特定的水下模型，并选择新的节点分簇方式。在网络分簇与区域划分后，选择合适的位置隐私保护技术，并与MAC层多信道传输进行结合，保护水下源节点位置隐私。在源节点位置隐私保护上，利用多信道传输源-伪数据，实现伪数据信道流量对源数据信道流量的覆盖。在数据收集上，利用多AUV协作实现多区域数据收集，增加攻击者追踪AUV移动轨迹的范围。
为了达到上述目的，本发明是通过以下技术方案实现的：
水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，包括以下步骤：
步骤一：节点分簇方法选择与网络区域划分。
节点随机分布在水声传感器网络中，网络采取多AUV协作方式进行数据收集，AUV初始位置随机产生且已知，节点位置已知，攻击者采取沿着AUV移动轨迹追踪方式进行源节点的搜索。网络中的源节点为海底飞行节点，海底飞行节点由一个AUV和海底节点构成，既具有移动性，又能够长时间工作。海底飞行节点附着在海床上进行海底地震监测。整体网络环境基于埃克曼漂流模型，在该模型中存在两个分层，一个是动态层，另一个是静态层。动态层中洋流流速和流向随深度的改变而变化。静态层中洋流几乎保持静止。面对模型中存在两种不同的洋流状态，拟针对两层分别采取不同的节点分簇策略。在动态层中，由于受动态环境影响，采用mean shift算法方法进行节点分簇。在静态层中，由于水下环境相对稳定，采用k-means算法进行分簇。产生的每个簇中，由基站按照簇内成员剩余能量大小进行簇头筛选，初始阶段过程中由基站进行簇头随机选取。
在节点分簇策略决定完成后，考虑埃克曼漂流模型动态层和静态层中洋流的稳定性以及AUV数据收集的稳定性和时效性，拟将动态层划分为四个区域，便于AUV数据收集与减小数据收集时间。静态层洋流环境稳定，不进行区域划分。
步骤二：多信道传输和干扰。
本方案针对的攻击者为局部攻击者，主要采用诸如监听攻击和逐条回溯等被动攻击方式寻找源节点的位置。受洋流因素影响，攻击者的监听范围会受到影响。为应对攻击者被动监听攻击，本方案采用水下MAC层多信道传输干扰和源-伪数据混合传输位置隐私保护技术相结合的方式，即优先保障源数据信道的传输，在源数据发送之后，其余信道发送伪数据以掩盖源数据信道，利用多信道传输产生的干扰现象保护源节点位置隐私。
水下多信道传输本身固有存在信道间干扰现象，导致数据接收受损、传输率降低。将MAC层多信道传输干扰和源-伪数据混合传输位置隐私保护技术相结合，利用多伪数据传输产生多信道干扰，优先保障源数据传输。在伪数据数量选择上，每个转发源数据的节点从自身邻居节点中随机选择一定数量的节点在源数据发送之后再传输伪数据。
在源节点到簇头间的传输过程中，由于水下传输时延影响，伪数据信道在时隙上出现重叠现象，导致多个伪数据信道之间产生信道干扰现象，接收端节点无法接收伪数据或接收部分伪数据，此时簇头采用数据包过滤机制，删除接收的伪数据，只保留源数据。在下一轮源数据传输过程中，源数据在未出现伪数据干扰的时隙内传输。
步骤三：水下节点对移动AUV的感知。
水下节点能量受限且补给困难，往往处于工作和休眠来回切换状态。面对复杂多变的海洋环境和节点能量问题，为保障数据收集效率，水下节点需加强对AUV的移动感知预测。当感知到AUV往节点自身所在区域到来时，节点从休眠状态转为工作状态。对节点感知数据进行降维，保留AUV移动噪声，抵消海洋环境噪声影响，首先节点计算感知噪声的二阶累计矩阵，然后利用主成分分析技术对噪声进行降维，以AUV移动频率作为主成分，对数据进行降维。在AUV移动预测上，每个节点在对AUV移动噪声的感知增强基础上，记录AUV感知信号SNR。拥有相似SNR的节点将被连成一条线，构建等SNR曲线，根据曲线变化的趋势预测AUV移动趋势。
步骤四：AUV数据收集。
在网络区域划分和节点分簇之后，每个区域中安排一个AUV进行数据收集，并且每个AUV的初始位置随机产生。在AUV移动路径规划上，每个AUV根据蚁群算法的结果规划数据收集路径，AUV只前往每个区域中的簇头进行数据收集。在AUV收集完数据之后，移动到移动基站所在区域进行数据交换，随后移动基站将数据传输给岸上基站。
上述步骤一中，动态层和静态层节点分簇方法和区域划分方法如下：
在动态层中，由于洋流流速和流向随深度的变化而变化，因此需要选择一种能够适应动态变化的节点分簇方式。本方案在动态层中采用meanshift算法进行分簇。meanshift算法无需输入任何参数，只需根据动态层节点分布就能实现最佳分簇结果。在静态层中，由于水下环境相对稳定，洋流流速几乎静止，因此，本方案在静态层中采用k-means进行分簇。在分簇数量k的设定上，本方案将k设定为4，该参数可以根据实际应用需求进行修改。在动态层区域划分上，本方案将区域均匀划分为4个，具体划分方式可以根据实际应用需求进行修改。
上述步骤二中，多信道干扰过程如下：
每个簇内采用源-伪数据混合传输方法，利用多个伪数据流量对源数据流量进行掩盖，防止攻击者监听到源数据流量。在水下环境中利用源-伪数据混合传输会产生信道干扰现象，严重影响源数据传输。为保障源数据传输，拟结合MAC层多信道干扰现象，优先传输源数据，在源数据传输之后的其他时隙内，传输伪数据。在伪数据传输数量上，每个转发源数据的节点随机从自身邻居节点中选择几个节点发送伪数据，直到源数据被簇头所接收后停止传输。在下一轮源数据传输过程中，源数据在未出现伪数据干扰的时隙内传输。采用此种数据传输方式，攻击者在监听范围内能够监听到所有的源数据流量和伪数据流量，但攻击者却无法分辨出哪个数据是真实数据流量，同时由于多信道干扰，簇头最终接收数据只包含源数据和部分甚至没有伪数据。
上述步骤三中，水下节点移动感知阶段如下：
水下节点面临感知数据受噪声干扰严重问题，导致节点无法感知到AUV的到来，工作状态没及时转换、数据传输失败。为增强水下节点的感知，本方案采用主成分分析方法对水下节点感知数据进行降维，保留与AUV移动相关的信号噪声，过滤掉海洋环境噪声，从而提高水下节点对AUV的感知。在水下节点对AUV移动预测上，节点将对AUV感知信号的SNR构建为等SNR曲线，根据AUV移动后节点感知信号SNR强度的变化来动曲线的变化，来预测AUV的移动方向。
上述步骤四中，数据收集阶段如下：
当网络区域划分和节点分簇之后，AUV开始进行数据收集。根据步骤三中水下节点对AUV的移动感知预测研究，节点和AUV之间的相对位置已知。每个AUV在各自区域内的初始位置随机，采用蚁群算法规划自身位置和负责收集区域中每个簇头的位置，计算出一条最优的数据收集路线。蚁群算法具有自适应学习功能，在给定每个簇头的位置和AUV的位置后，能够自动根据位置的变化动态调整AUV移动路径。当区域中的AUV完成数据收集后，移动到移动基站处完成数据交互。移动基站采取直上直下的移动轨迹，数据收集区域为半径固定的圆柱状区域，且该圆柱状区域半径固定为网络边长的四分之一。
本发明的有益效果是：
1.节点分簇更加稳定，能够适应动态的环境；
2.水下节点移动预测感知增强了节点与AUV之间的位置感知；
3.多信道干扰方式既能保护源节点位置隐私，又能防止攻击者监听攻击。
附图说明
图1为本发明节点分簇方式示意图；
图2为本发明网络区域划分示意图；
图3为本发明多信道传输和干扰示意图；
图4为本发明水下节点对AUV移动感知示意图
图5为本发明AUV数据收集阶段示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步的详细说明。
水声传感器网络中基于多信道干扰的源节点位置隐私保护研究，其步骤包括：
步骤一：如图1所示，节点分簇方法选择。基于埃克曼漂流模型，网络中存在两个层，分别是动态层和静态层。在动态层中，由于洋流流速和流向随深度的变化而变化，因此，采用meanshift算法进行分簇。meanshift算法具有动态分簇效果，无需任何预设参数，能够随着场景的变化，自适应调整分簇数量和分簇大小。meanshift分簇结果如图1中深灰色簇所示。在静态层中，由于洋流流速几乎为0，保持静止，因此，采用k-means算法对静态层中节点进行分簇。k-means算法容易实施，给定分簇数量k以后，就能够实现节点分簇。本方案中参数k设为4，k-means分簇结果如图1中白色簇所示。
在分簇后，在初始阶段海面基站随机在每个簇内选择一个节点作为簇头。在网络运行一段时间后，进行簇头的更新。基站根据簇内成员剩余能量大小，选择剩余能量较大的节点成为新的簇头。在网络区域划分上，将动态层整体划分为四个等大小区域，静态层不进行区域划分，如图2所示。
步骤二：如图3所示，多信道传输和干扰。在源节点位置隐私保护上，主要采用源-伪数据混合传输方式应对攻击者监听攻击。如图3(a)所示，S为某个区域内的源节点，N1、N2、N3为S的邻居节点，C为该区域中的簇头。源节点S首先向簇头C发送源数据，随后邻居节点向簇头C发送伪数据，所有伪数据到达簇头C的时间要保持近似相同。将此种混合传输方式与水下MAC层多信道干扰相结合，利用水下多信道传输伪数据，保护源数据信道。如图3(b)所示，考虑到水下多信道干扰严重，在水下信道传输中优先传输源数据，随后再传输伪数据，在簇头C接收端，源数据被正确传输和接收。由于传输时延不稳定，簇头C部分或没有伪数据被接受。从攻击者角度来看，在监听范围内攻击者能够监听到所有数据流量，但是却无法分辨出数据流量类别，从而保护了源节点位置隐私。
步骤三：如图4所示，水下节点对AUV移动感知。海洋环境中环境噪声众多，严重影响水下节点对AUV移动的感知，进而影响数据传输效率。受能量限制，水下节点往往处于工作和休眠状态交替。水下节点无法感知到AUV的到来，就无法完成数据传输。为了提高节点对AUV移动感知，本方案采用图4(a)的方式对节点感知数据进行降维，保留AUV移动噪声，抵消海洋环境噪声影响。首先节点计算感知噪声的二阶累计矩阵，然后利用主成分分析技术对噪声进行降维，以AUV移动频率作为主成分，对数据进行降维。
在水下节点加强对AUV移动感知后，下一步需对AUV移动方向进行预测，以判定是否转换自身状态。如图4(b)所示，每个水下节点将感知的AUV移动噪声转化为SNR记录，拥有相似SNR的节点将被连成一条线，构建等SNR曲线，根据曲线变化的趋势预测AUV移动趋势。
步骤四：如图5所示，AUV数据收集阶段。在网络区域划分和节点分簇完成后，每个区域中设置一个AUV进行数据收集。每个AUV的初始位置随机产生，根据AUV初始位置和每个区域中簇头的位置，以蚁群算法计算移动收集路线。蚁群算法能够根据簇头位置的变化自动调整计算的路线，进而实现数据收集路线的最优化，减小数据收集时间，提高AUV数据收集效率。当某个区域中的AUV完成数据收集后，移动到移动基站处完成一次数据交互。移动基站采用上浮/下沉的移动方式，其数据收集区域为中心在网络正中心、半径固定的圆柱形区域。

Claims (6)

1. 一种水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，其特征在于：包括以下步骤：
步骤一：节点分簇方法与区域划分选择
节点随机分布在水声传感器网络中，水声传感器网络采取多AUV协作方式进行数据收集，攻击者采取追踪AUV移动轨迹的方式寻找源节点的位置；
网络中的源节点为海底飞行节点，海底飞行节点由一个AUV和海底节点构成，海底飞行节点附着在海床上进行海底地震监测；整体网络环境基于埃克曼漂流模型，在埃克曼漂流模型中存在两个分层，一个是动态层，另一个是静态层；在动态层中，首先进行区域划分，再采用mean shift算法方法进行节点分簇，在静态层中，采用k-means算法进行分簇；产生的每个簇中，由基站按照簇内成员剩余能量大小进行簇头筛选，初始阶段过程中由岸上基站进行簇头随机选取；
步骤二：多信道传输和干扰
水下多信道传输间存在严重信道干扰现象，影响源节点发送源数据的传输；为保障源数据传输，拟将无线传感器网络中源-伪数据混合传输与MAC层多信道干扰结合，即优先保障源数据信道的传输，在源数据发送之后，其余信道发送伪数据以掩盖源数据信道；在源节点到簇头间的传输过程中，多个伪数据信道之间产生信道干扰现象，导致接收端节点无法接收伪数据或接收部分伪数据，此时簇头采用数据包过滤机制，删除接收的伪数据，只保留源数据；
步骤三：水下节点对移动AUV的感知
对节点感知数据进行降维，保留AUV移动噪声，抵消海洋环境噪声影响，首先节点计算感知噪声的二阶累计矩阵，然后利用主成分分析技术对噪声进行降维，以AUV移动频率作为主成分，对数据进行降维；
每个水下节点记录感知的AUV移动噪声，拥有相似SNR的节点将被连成一条线，构建等SNR曲线，根据曲线变化的趋势预测AUV移动趋势；
步骤四：AUV数据收集
在网络区域划分和节点分簇之后，每个区域中安排一个AUV进行数据收集，并且每个AUV的初始位置随机产生，在AUV移动路径规划上，每个AUV根据蚁群算法的结果规划数据收集路径，AUV只前往每个区域中的簇头进行数据收集；在AUV收集完数据之后，移动到移动基站所在区域进行数据交换，随后移动基站将数据传输给岸上基站。
2. 根据权利要求1所述的水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，其特征在于：所述步骤一中，所述mean shift算法不需要任何预设参数，mean shift算法自动根据环境进行簇的划分与构建，所述k-means算法中，参数k设置为4。
3.根据权利要求1所述的水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，其特征在于：所述步骤一中，由于埃克曼漂流动态层中洋流流速和流向随海洋深度而变化，拟对动态层进行区域划分，均匀划分为4个区域，便于AUV进行区域内的数据收集。
4.根据权利要求1所述的水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，其特征在于：所述步骤二中的多伪数据信道的构建上由当前传输节点随机唤醒周围，源数据优先发送，随后被唤醒的邻居节点产生并发送伪数据，用以构建多信道干扰现象。
5.根据权利要求1所述的水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，其特征在于：在步骤四中，AUV进行数据收集的具体过程如下，在动态层中，每个AUV在各自区域内采用蚁群算法进行移动路径规划，在静态层中，由于洋流几乎静止，派遣一个AUV进行数据收集，移动路径也按照蚁群算法进行规划。
6.根据权利要求1所述的水声传感器网络中基于多信道干扰的源节点位置隐私保护方法，其特征在于：在步骤四中移动基站采用直上直下的移动方式接收AUV数据，其移动区域为处在网络正中心的圆柱状区域，且该圆柱状区域半径固定为网络边长的四分之一。
CN202010181252.4A 2020-03-16 2020-03-16 水声传感器网络中基于多信道干扰的源节点位置隐私保护方法 Active CN111343631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010181252.4A CN111343631B (zh) 2020-03-16 2020-03-16 水声传感器网络中基于多信道干扰的源节点位置隐私保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010181252.4A CN111343631B (zh) 2020-03-16 2020-03-16 水声传感器网络中基于多信道干扰的源节点位置隐私保护方法

Publications (2)

Publication Number Publication Date
CN111343631A true CN111343631A (zh) 2020-06-26
CN111343631B CN111343631B (zh) 2023-05-23

Family

ID=71186079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010181252.4A Active CN111343631B (zh) 2020-03-16 2020-03-16 水声传感器网络中基于多信道干扰的源节点位置隐私保护方法

Country Status (1)

Country Link
CN (1) CN111343631B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108419249A (zh) * 2018-03-02 2018-08-17 中南民族大学 三维无线传感器网络分簇覆盖方法、终端设备及存储介质
CN112637854A (zh) * 2020-11-24 2021-04-09 电子科技大学 一种抗共谋攻击的鲁棒数据聚合方法
CN113038565A (zh) * 2021-02-05 2021-06-25 南京航空航天大学 一个基于簇间规划路由的无线传感器隐私保护路由控制方法
CN113408115A (zh) * 2021-06-07 2021-09-17 华南理工大学 一种水下传感器数据收集方法、系统、装置及介质
CN115811730A (zh) * 2022-11-25 2023-03-17 河海大学 水声传感器网络中基于博弈的源节点位置隐私保护方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103987034A (zh) * 2014-04-30 2014-08-13 南京邮电大学 一种野战环境中士兵信息的隐私保护方法
CN110516476A (zh) * 2019-08-31 2019-11-29 贵州大学 基于频繁位置分类的地理不可区分性位置隐私保护方法
CN110855375A (zh) * 2019-12-02 2020-02-28 河海大学常州校区 水声传感器网络中基于位置推送的源节点隐私保护方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103987034A (zh) * 2014-04-30 2014-08-13 南京邮电大学 一种野战环境中士兵信息的隐私保护方法
CN110516476A (zh) * 2019-08-31 2019-11-29 贵州大学 基于频繁位置分类的地理不可区分性位置隐私保护方法
CN110855375A (zh) * 2019-12-02 2020-02-28 河海大学常州校区 水声传感器网络中基于位置推送的源节点隐私保护方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
叶清等: "基于噪声加密机制的WSN差分位置隐私保护", 《传感技术学报》 *
叶清等: "无线传感器网络源节点位置隐私保护研究综述", 《计算机与数字工程》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108419249A (zh) * 2018-03-02 2018-08-17 中南民族大学 三维无线传感器网络分簇覆盖方法、终端设备及存储介质
CN108419249B (zh) * 2018-03-02 2021-07-02 中南民族大学 三维无线传感器网络分簇覆盖方法、终端设备及存储介质
CN112637854A (zh) * 2020-11-24 2021-04-09 电子科技大学 一种抗共谋攻击的鲁棒数据聚合方法
CN112637854B (zh) * 2020-11-24 2022-07-29 电子科技大学 一种抗共谋攻击的鲁棒数据聚合方法
CN113038565A (zh) * 2021-02-05 2021-06-25 南京航空航天大学 一个基于簇间规划路由的无线传感器隐私保护路由控制方法
CN113038565B (zh) * 2021-02-05 2023-03-14 南京航空航天大学 一个基于簇间规划路由的无线传感器隐私保护路由控制方法
CN113408115A (zh) * 2021-06-07 2021-09-17 华南理工大学 一种水下传感器数据收集方法、系统、装置及介质
CN115811730A (zh) * 2022-11-25 2023-03-17 河海大学 水声传感器网络中基于博弈的源节点位置隐私保护方法
CN115811730B (zh) * 2022-11-25 2024-04-19 河海大学 水声传感器网络中基于博弈的源节点位置隐私保护方法

Also Published As

Publication number Publication date
CN111343631B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN111343631B (zh) 水声传感器网络中基于多信道干扰的源节点位置隐私保护方法
CN110855375B (zh) 水声传感器网络中基于位置推送的源节点隐私保护方法
Coutinho et al. On the design of green protocols for underwater sensor networks
Coutinho et al. GEDAR: Geographic and opportunistic routing protocol with depth adjustment for mobile underwater sensor networks
Hu et al. On mitigating the broadcast storm problem with directional antennas
Chirdchoo et al. Sector-based routing with destination location prediction for underwater mobile networks
Coutinho et al. A novel opportunistic power controlled routing protocol for internet of underwater things
Ayyadurai et al. Distributed crash free media access control protocol for underwater sensor network
Shah et al. Position adjustment–based location error–resilient geo‐opportunistic routing for void hole avoidance in underwater sensor networks
Souiki et al. Geographic routing protocols for underwater wireless sensor networks: a survey
Shah et al. MobiSink: Cooperative routing protocol for underwater sensor networks with sink mobility
Liu et al. Energy-efficient guiding-network-based routing for underwater wireless sensor networks
CN107920342B (zh) WSN中基于多个sink和假热点区域的源节点位置隐私保护方法
CN107566984B (zh) WSNs中基于一种扇形区域的源位置隐私保护方法
Qian et al. Ecologically friendly full-duplex data transmission scheme for underwater acoustic sensor networks
Awais et al. Exploiting energy efficient routing protocols for void hole alleviation in IoT enabled underwater WSN
CN112492588B (zh) 一种基于动态令牌的多路径源节点位置隐私保护路由方法
Kiranmayi et al. Underwater wireless sensor networks: applications, challenges and design issues of the network layer-a review”
Ghoreyshi et al. A cluster-based mobile data-gathering scheme for underwater sensor networks
Lu et al. A review of routing protocols of underwater acoustic sensor networks from application perspective
Sharma et al. Optimized cluster head selection & rotation for cooperative spectrum sensing in cognitive radio networks
Kumar et al. Opportunistic void avoidance routing for underwater sensor networks
Awais et al. Energy efficient routing with void hole alleviation in underwater wireless sensor networks
CN115811730B (zh) 水声传感器网络中基于博弈的源节点位置隐私保护方法
Karthickraja et al. A study of routing protocols and a hybrid routing protocol based on rapid spanning tree and cluster head routing in wireless sensor networks

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