CN111818605B - 基于区块链安全属性的自组网动态路由学习方法 - Google Patents

Abstract

本发明公开了一种基于区块链安全属性的自组网动态路由学习方法，该方法结合区块链基本技术建立了基于区块安全属性的动态路由学习机制，改进了传统路由更新方法仅使用链路丢包率作为路由学习的依据，创新性地结合了安全属性和链路丢包率作为路由学习的依据，从而提升了无人机组网在各项应用领域的安全性和可靠性；其次，基于无人机算力的限制，创新性的引用区块链技术更新节点的安全属性值，提升了安全属性值的更新效率。

Description

基于区块链安全属性的自组网动态路由学习方法

技术领域

本发明涉及区块链和无人机网络通信领域，尤其涉及一种基于区块链安全属性的自组 网动态路由学习方法。

背景技术

无人机网络是一种采用无线信道互连的网络，相对于传统网络，无人机网络节点随 机移动，导致其网络拓扑结构动态变化，同时网络没有中心节点，网络中的数据包可以在任意节点间进行转发，因此传统网路相对静态的路由学习方法很难以应用无人机网络中。

目前大多数应用在无人机网络的路由学习方法，大多数是基于链路的可达率、节点 的转发能力、能量消耗等。其中链路的可达率是指无线信道的丢包率，丢包率越大，则信道越不可靠，选为路由的可能性越小；节点转发能力是指节点的可用带宽大小，其中 节点的可用带宽越大，其作为转发节点的可靠性越大，作为路由节点的可能性越大；能 量消耗是指经过不同无线信道转发相同数据包消耗的能量不同，因此在同等情况下选择 消耗能量较少的链路作为转发链路。

然而无人机网络面临诸多安全问题，无人机集群网络的安全性决定了其是否能在应 用领域(如军事、商业等)得到充分发挥的关键。其中，无人机网络的路由协议面临多重的 安全威胁，网络中可能存在一些自私节点，它们为了节省自己的各种资源，而停止转发数据包；也可能存在一些恶意节点通过篡改路由信息或控制信息等，从而让网络出现分 割以及无效路由，并最终导致网络崩溃甚至瘫痪。

因此，需要在无人机网络路由协议中加入安全属性。然而在无人机网络中加入安全 属性时，需要考虑到无人机网络的一些安全弱点问题，主要体现有：无人机网络中固定基础设施的缺乏，无中心控制和认证节点，网络中的所有的功能都是由节点自身完成 的，节点同时承担了主机和路由器的两个角色，使得传统复杂的加密、认证等技术很难 在无人机网络中实现。无人机网络中移动节点在计算能力、存储空间、通信及电量等资 源方面相比传统网络中的节点较为有限，所以不能在网络中部署比较复杂的安全和加密 算法协议。

发明内容

本发明的目的是提供一种基于区块链安全属性的自组网动态路由学习方法，综合无人 机网络的特点，结合区块链基本技术建立了基于区块链安全属性的动态路由学习机制， 利用无人机的感知能力，分布式动态评估每跳链路的状态信息与链路安全属性，并以此 为基础建立动态路由表，从而实现高动态组网与安全路由。

本发明的目的是通过以下技术方案实现的：

一种基于区块链安全属性的自组网动态路由学习方法，包括：

将无人机集群组成一个区块链网络，采用区块链技术，更新无人机集群网络中的每 一无人机节点的安全属性值；

每一无人机节点周期性的向周围链路获取包含无人机节点安全属性值的链路状态信 息，从而获得每一无人机节点与相邻无人机节点的单跳传输链路质量；

每一无人机节点将自身与相邻无人机节点的单跳传输链路质量在无人机集群网络中 广播，每一无人机节点能够根据网络中广播的各个单跳传输链路质量计算路径中多跳链 路的传输质量，并利用最优多跳链路的传输质量中下一跳无人机节点来更新自身路由 表。

由上述本发明提供的技术方案可以看出，结合区块链基本技术建立了基于区块安全属 性的动态路由学习机制，改进了传统路由更新方法仅使用链路丢包率作为路由学习的依 据，创新性地结合了安全属性和链路丢包率作为路由学习的依据，从而提升了无人机组 网在各项应用领域的安全性和可靠性；其次，基于无人机算力的限制，创新性的引用区块链技术更新节点的安全属性值，提升了安全属性值的更新效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得 其他附图。

图1为本发明实施例提供的一种基于区块链安全属性的自组网动态路由学习方法的流 程图；

图2为本发明实施例提供的单跳传输链路质量计算方法示意图；

图3为本发明实施例提供的多跳链路的传输质量计算方法示意图；

图4为本发明实施例提供的路由学习的示意图；

图5为本发明实施例提供的示例方案所涉及示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地 描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种基于区块链安全属性的自组网动态路由学习方法，如图1所 示，其主要包括：

1、采用区块链技术，更新无人机集群网络中的每一无人机节点的安全属性值。

为了保证无人机的安全属性的全局一致性与共享性，本发明实施例引入了区块链技 术。区块链是一个分布式的共享账本和数据库，具有去中心化、不可篡改、可以追溯、 集体维护、公开透明等特点。同时，它采用共识机制、加密算法、点对点传输等技术， 保证存储于区块上的数据是不可篡改和全局可知的。具体来说，本发明实施例中，无人 机集群组成了一个区块链网络，无人机节点在该网络传输的重要信息都将被记录到区块 中(记账)，且每个无人机节点都保存一份完整的区块链副本，便于信息查询与追溯。 无人机节点通过共识算法选出下一个记账者，生成新区块(该过程称为挖矿)。本发明 实施例中，采用授权股权证明(DPoS)共识算法来生成新区块。DPoS是由被选举的可 信帐户(受托人)来创建区块，其类似于投票机制，节点首先选出一个包含若干无人机 节点的候选池，候选池内的无人机节点(受托人)轮流生成区块。为了成为正式受托 人，用户需要获得足够多的信任。不参与记账的用户则根据自己持有的加密货币数量占 总量的百分比进行投票，若受托人提供的算力不稳定，计算机宕机、或者试图利用手中 的权力作恶，他们随时可以通过投票更换受托人。因此，可认为成功记账的无人机节点 和参与投票的无人机节点是安全可信的，而不参与投票的无人机节点和被更换的无人机 节点可信度将降低。候选池内成功记账的无人机节点，系统将计算其在当前时刻生成的 区块数量与该时刻所有无人机节点生成的区块总数，根据其更新该无人机节点的安全属 性；候选池内的其他无人机节点以及未记账但参与投票的节点，其安全属性保持不变； 而不参与投票的节点，通过一个指数因子降低其安全属性；若候选池中的节点不作为、 胡作为、不稳定或者试图利用手中的权力作恶，则会被其余节点踢出候选池，被更换的 无人机节点，直接减去一个设定值来降低其安全属性。该机制提升了安全属性值的更新 效率，保障了网络安全。

无人机节点的安全属性值更新方式表示为：

其中，SECURITY表示安全属性值，其大小反映了无人机节点的传输可靠性，SECURITY_t和SECURITY_t+1分别表示SECURITY在t时刻和t+1时刻的大小，N_p为时隙内 所有无人机节点生成区块的个数，n为当前无人机节点成功记账并生成区块的个数，β为 调整因子，且0＜β＜1；ε为指数因子，ε^t+1为ε在t+1时刻的大小，若无人机节点在这 段时间为未投票，则其安全属性值按指数因子衰退，示例性的，可设置ε＝0.9；Sec_thr为 设定值，当候选池内节点被踢出后其安全属性需有所下降，Sec_thr的大小可根据实际情况 或者经验自行设定。

2、每一无人机节点周期性的向周围链路获取包含无人机节点安全属性值的链路状态 信息，从而获得每一无人机节点与相邻无人机节点的单跳传输链路质量。

无人机节点获得安全属性后，每一无人机节点独立发送带有安全属性的链路状态质 量数据包来辅助实现快速动态组网。

所述链路状态信息主要包括：接入链路质量、环回链路质量、传出链路质量以及无人机节点安全属性值；通过接入链路质量与环回链路质量，计算当前无人机节点与相邻 无人机节点的传出链路质量，再结合相邻无人机节点安全属性值，计算出当前无人机节 点与相邻无人机节点的单跳传输链路质量。主要计算过程如下：

1、接入链路质量(IQ)。

所述接入链路质量，为当前无人机节点A接收相邻无人机节点B数据包链路的质量。 如图2的(a)部分所示，当前无人机节点A向相邻无人机节点B请求发送接入链路质量统计包，之后，将接收相邻无人机节点B反馈的编号1到N的接入链路质量统计包，当前无人 机节点A统计收到的接入链路质量统计包的个数为r，并通过下式计算接入链路质量： IQ＝r/N；其中，N为设定的数值。

2、环回链路质量(CQ)。

所述环回链路质量，为当前无人机节点A接收相邻无人机节点B环回链路的质量。如 图2的(b)部分所示，当前无人机节点A向相邻无人机节点B发送编号1到N的环回链路质量统计包，之后，将接收相邻无人机节点B转发的环回链路质量统计包，当前无人机节点 统计A收到的环回链路质量统计包的个数为c，并通过下式计算环回链路质量：CQ＝c/N； 其中，N为设定的数值。

3、传出链路质量(OQ)。

如图2的(c)部分所示，所述传出链路质量，为相邻无人机节点B接收当前无人机节点A数据包链路的质量，通过下式计算：OQ＝CQ/IQ；其中，IQ、CQ分别为当前无人机 节点A与相邻无人机节点B之间的接入链路质量、环回链路质量。

最后，通过下式计算，当前无人机节点A与相邻无人机节点B的单跳传输链路质量SOQ_AB：

SOQ_AB＝OQ*SECURITY_B；

其中，SECURITY_B表示相邻无人机节点B的安全属性值。

3、每一无人机节点将自身与相邻无人机节点的单跳传输链路质量在无人机集群网络 中广播，每一无人机节点能够根据网络中广播的各个单跳传输链路质量计算路径中多跳 链路的传输质量，并利用最优多跳链路的传输质量中下一跳无人机节点来更新自身路由 表。

本步骤主要进行路由信息的更新，首先计算多跳链路的传输质量；所述多跳链路的传 输质量，为路径中所包含的所有链接的单跳传输链路质量之间的乘积：

SOQ＝SOQ_A₁A₂×SOQ_A₂A₃×...×SOQ_A_n-1A_n

其中，SOQ_A_iA_i+1表示无人机节点A_i与A_i+1的单跳传输链路质量，n为路径中所涉及的无人机节点总数；i＝1,...,n-1。

如图3所示，给出了一个n＝3的示例，三个无人机节点记为A、B、C，且A、B相邻， B、C相邻，已知A→B的单跳传输链路质量SOQ_AB，B→C的单跳传输链路质量 SOQ_BC，则路径A→B→C的多跳链路的传输质量为：

SOQ_ABC＝SOQ_AB×SOQ_BC

基于上述方式，每个无人机节点都可以得到与其他无人机节点连接的所有链路的多 跳链路的传输质量。

对于同一目的节点的不同路径，每个无人机节点仅记录最优路径(SOQ值最大)的下一跳无人机节点，并以此为基础来更新节点中的路由表。如图4所示，三个无人机节点 记为A、B、C中，A、B相邻，B、C相邻，A、C相邻，从无人机节点A到无人机节点C有 两条路径，A→C、A→B→C，通过比较SOQ_AC与SOQ_ABC的大小得出最优路径，如 果SOQ_AC>SOQ_ABC，最优路径为A→C，则在无人机节点A的路由表中保存下一条节 点为无人机节点C；如果SOQ_AC<SOQ_ABC，最优路径为A→B→C，则在无人机节点 A的路由表中保存下一条节点为无人机节点B。

为了便于理解，下面结合一个具体的示例进行说明。

本示例中，A、B和C节点相互相邻，单跳链路质量如图5的(a)部分所示，通过逐 跳链路质量乘积，得到多跳链路传输质量如图5的(b)部分所示，对于同一目的节点的 所有路径，选择传输链路质量最高的路径。

以无人机节点A为例，目的无人机节点为B时，链路包括A→B链路和A→C→B链路，因为SOQ_AB＝0.9>SOQ_ACB＝0.54，所以选择A→B链路，下一跳为无人机节点B，因 而保存在自身路由表中；目的无人机节点为C时，链路包括A→C链路和A→B→C链路， 因为SOQ_AC＝0.6<SOQ_ABC＝0.72，所以选择路径A→B→C，下一跳节点为无人机B， 因而保存在自身路由表中。其他无人接节点也是采用同样的原理更新自身路由表。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以 通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一 个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得 一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施 例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替 换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的 保护范围为准。

Claims (6)

1.一种基于区块链安全属性的自组网动态路由学习方法，其特征在于，包括：

将无人机集群组成一个区块链网络，采用区块链技术，更新无人机集群网络中的每一无人机节点的安全属性值；

每一无人机节点周期性的向周围链路获取包含无人机节点安全属性值的链路状态信息，从而获得每一无人机节点与相邻无人机节点的单跳传输链路质量；

每一无人机节点将自身与相邻无人机节点的单跳传输链路质量在无人机集群网络中广播，每一无人机节点能够根据网络中广播的各个单跳传输链路质量计算路径中多跳链路的传输质量，并利用最优多跳链路的传输质量中下一跳无人机节点来更新自身路由表；

所述无人机集群组成了一个区块链网络，无人机节点在区块链网络传输的信息都将被记录到区块中，且每个无人机节点都保存一份完整的区块链副本；无人机节点通过授权股权证明共识算法选出下一个记账者，生成新区块；授权股权证明共识算法是由被选举的受托人来创建区块：先选出一个包含若干无人机节点的候选池，候选池内的无人机节点作为受托人轮流生成区块；安全属性值更新方式表示为：

其中，SECURITY表示安全属性值，其大小反映了无人机节点的传输可靠性，SECURITY_t和SECURITY_t+1分别表示SECURITY在t时刻和t+1时刻的大小，N_p为时隙内所有无人机节点生成区块的个数，n为当前无人机节点成功记账并生成区块的个数，β为调整因子，且0β＜1；ε为指数因子，ε^t+1为ε在t+1时刻的大小，若无人机节点未投票，则其安全属性值按指数因子衰退；Sec_thr为设定值，当候选池内节点被踢出后其安全属性需有所下降；

所述链路状态信息包括：接入链路质量、环回链路质量、传出链路质量以及无人机节点安全属性值；

通过接入链路质量与环回链路质量，计算当前无人机节点与相邻无人机节点的传出链路质量，再结合相邻无人机节点安全属性值，计算出当前无人机节点与相邻无人机节点的单跳传输链路质量。

2.根据权利要求1所述的一种基于区块链安全属性的自组网动态路由学习方法，其特征在于，所述接入链路质量，为当前无人机节点A接收相邻无人机节点B数据包链路的质量；当前无人机节点A向相邻无人机节点B请求发送接入链路质量统计包，之后，将接收相邻无人机节点B反馈的编号1到N的接入链路质量统计包，当前无人机节点A统计收到的接入链路质量统计包的个数为r，并通过下式计算接入链路质量：IQ＝r/N；其中，N为设定的数值。

3.根据权利要求1所述的一种基于区块链安全属性的自组网动态路由学习方法，其特征在于，所述环回链路质量，为当前无人机节点A接收相邻无人机节点B环回链路的质量；当前无人机节点A向相邻无人机节点B发送编号1到N的环回链路质量统计包，之后，将接收相邻无人机节点B转发的环回链路质量统计包，当前无人机节点统计A收到的环回链路质量统计包的个数为c，并通过下式计算环回链路质量：CQ＝c/N；其中，N为设定的数值。

4.根据权利要求1所述的一种基于区块链安全属性的自组网动态路由学习方法，其特征在于，所述传出链路质量，为相邻无人机节点B接收当前无人机节点A数据包链路的质量，通过下式计算：OQ＝CQ/IQ；其中，IQ、CQ分别为当前无人机节点A与相邻无人机节点B之间的接入链路质量、环回链路质量。

5.根据权利要求1～4任一项所述的一种基于区块链安全属性的自组网动态路由学习方法，其特征在于，通过下式计算，当前无人机节点A与相邻无人机节点B的单跳传输链路质量：

SOQ_AB＝OQ*SECURITY_B；

其中，SECURITY_B表示相邻无人机节点B的安全属性值。

6.根据权利要求1所述的一种基于区块链安全属性的自组网动态路由学习方法，其特征在于，多跳链路的传输质量，为路径中所包含的所有链接的单跳传输链路质量之间的乘积：

SOQ＝SOQ_A₁A₂×SOQ_A₂A₃×...×SOQ_A_n-1A_n

其中，SOQ_A_iA_i+1表示无人机节点A_i与A_i+1的单跳传输链路质量，n为路径中所涉及的无人机节点总数；i＝1,...,n-1。

Images