CN112804685A - 面向工业物联网的轻量级绿色安全数据融合模型建立方法 - Google Patents

Abstract

本发明公开了面向工业物联网的轻量级绿色安全数据融合模型建立方法，包括如下步骤：S1：能量消耗模型建立；S2：工业物联网系统时序划分；S3：聚类；S4：最优簇数及簇头确定；S5：模式码生成减少冗余数据传输；S6：簇头节点传输路径确定；S7：数据完整性认证，在LEACH协议基础上提出OISDF算法模型，在分簇前先将节点进行分类，以最均衡的网络负担来确定簇内节点个数完成集簇。引入模式码概念，消除由于同类数据或者变化不大的数据而产生的冗余。利用最小路径生成树及密码认证算法实现在能量消耗最小的情况下的数据的保密传送，并且数据完整性可验证。本发明执行效率较高，同等情况下的能量消耗也较其他算法要好，是一种轻量级、绿色、安全数据融合模型。

Description

面向工业物联网的轻量级绿色安全数据融合模型建立方法

技术领域

本发明涉及工业物联网技术领域，具体为面向工业物联网的轻量级绿色安全数据融合模型建立方法。

背景技术

工业4.0，又称未来制造业和第四次工业革命，是指为可持续生活生产和提供高度定制的产品和服务。由大量传感器以及计算、通信、网络和存储技术构成的工业物联网(IIOT)，代表着工业4.0系统的核心子集。IIOT中的关键技术包括智能无线传感器网络(IWSNs)、网络物理系统(CPS)、物联网设备、互联网上的边缘服务器和云数据中心等。总的来说，IIOT被认为能够为现代经济体生产和提供大规模的产品和服务定制，因此智能将被视为一个基本特征。数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合、传输，以完成所需的决策和评估任务而进行的信息处理技术。数据融合技术是WSN的重要支撑技术，避免了大量冗余信息的传输。工业物联网具有节点数量巨大，信息冗余度高，能量有限，且以数据为中心的特点。研究表明，数据传输能耗一般占总能耗的70％。因此，对于能量十分有限的工业物联网来说，减少数据传输量，均衡系统能耗负载是十分重要的。

数据融合技术能够减少工业物联网传输中的数据冗余，从而提高数据收集效率、增强信息准确率、减少数据的传输量，达到节省网络能量的目的。因此，数据融合技术在工业物联网中的应用十分关键，是工业物联网实现节能的重要途径之一。

工业物联网中数据在融合过程中可能面临的安全威胁包括:1)数据在融合时面临的安全威胁:恶意节点发送的错误信息和虚假信息对整个融合结果的影响；2)融合数据在传输时面临的安全威胁:针对路由的所有攻击都可以看作是融合数据传输时面临的安全威胁，如伪造、篡改攻击等；3)网络鲁棒性面临的安全威胁:数据融合在减少网络通信量提高信息采集效率的同时，也极大地降低了网络鲁棒性。因此，工业物联网的安全数据融合技术的主要目标是数据的机密性与可认证性。

目前，数据融合安全方案大致分为两类:基于数据保密性和基于数据完整性的数据融合。基于数据保密性的数据融合是指普通节点上传的数据及融合节点上传的融合结果在传输过程中保密，攻击者无法通过窃听或捕获节点的方式发起攻击。基于数据完整性的数据融合是指防止恶意节点捕获网内节点对其数据进行伪造或篡改，确保得到准确、完整的数据信息。研究者们在安全数据融合方面做了很多努力。现有文献的椭圆曲线密码算法允许对传输的密文进行N次加法操作和1次乘法操作，做到了数据的机密传输，但缺点是无法检测融合结果的完整性；现有文献中的安全数据融合机制采用同态加密的数字签名不仅可以保证数据保密，而且实现了融合结果完整性的可检查性，但加密和签名操作均需使用基于椭圆曲线密码的非对称密钥，加解密开销较大；CDA算法采用数据隐藏思想，数据融合节点无需知道融合数据的明文信息，但该算法只适用于端对端传输场景。现有文献提出的SIA协议利用Merkle-hash树无法伪造的特点，能够有效保障数据的完整性、新鲜性以及可认证性，但随着数据可靠性要求升高使需要进行的交互次数增多，能量消耗也变得不可控。现有文献提出的WDA协议引入“第三方”节点，对融合节点的融合行为进行监控，算法在安全性、抗攻击性、适用性方面都有较好表现，但引入了额外的监督节点，使传输能耗增加，且加大了数据泄露的可能性和攻击威胁。

由上可见，针对数据安全融合技术，广大学者们进行了广泛的探索，但存在加密认证的高计算开销、交互多带来的高通信开销等缺陷。并且，研究往往基于某特定场景，缺乏针对工业物联网的安全数据融合整体方法。基于此，本文提出一种面向工业物联网应用场景的整体安全数据融合模型，从能耗、算法复杂度、传输交互、数据保密、数据完整性等方面做出综合考量，在进行模型设计时将这些因素融合进模型，从而实现低功耗、少交互、安全的数据融合。分簇聚类方法已被证明是有效的数据采集和聚合方法，能够减少传输中的数据交互，从而降低网络能耗。典型的分簇路由协议有W.R.Heintzelman等人提出的LEACH协议，其基本思想是：以循环的方式随机选择簇头节点，将整个网络的能量负载平均分配到每个传感器节点中，从而达到降低网络能源消耗、提高网络整体生存时间的目的。本文设计的模型，以LEACH算法为基础，在簇头选举、成簇、簇路由等阶段均衡考虑上述系统参数，形成完整的系统安全数据融合模型，简称OISDF。模型设计目标：低能耗、少传输交互、低计算复杂度、数据保密、数据完整性可验证。

基于此，本发明设计了面向工业物联网的轻量级绿色安全数据融合模型建立方法，以解决上述提到的问题。

发明内容

本发明的目的在于提供面向工业物联网的轻量级绿色安全数据融合模型建立方法，以解决上述提到的问题。

为实现上述目的，本发明提供如下技术方案：面向工业物联网的轻量级绿色安全数据融合模型建立方法，包括如下步骤：

S1：能量消耗模型建立：假设一个传感节点在进行数据传输时被简化为由发射器元件和功率放大器组成的基本结构，由于发射端在运行发射器元件、功率放大器时执行发送操作会消耗能量，接收端运行发射器元件执行接收操作时也会消耗能量，收、发两端若相距dm，当d较小采用自由空间传输模型，默认为一跳，d较大时采用多径衰落信道模型，默认为多跳，则相距dm的发射端与接收端之间传输q bit消息所消耗的能量为：

其中：E_el表示运行发射器元件时每比特所消耗的能量；E_frs、E_{t woray}分别表示发射器在自由空间和双径传播模型的单位功率放大器的能量消耗，其中，并且d₀为：

其中，h_t、h_r分别为发送端与接收端的离地距离，λ为波长，

相应地，接收q bit的消息所消耗的能量为：

E_re(q)＝q×E_el (3)，

s2：工业物联网系统时序划分：将工业物联网系统时序划分多个周期，一个周期称为一轮，每轮分为准备阶段和传输阶段，准备阶段进行传输前的数据准备工作，工作阶段完成数据的传输，传输模型假设遵循TDMA，则每个节点将会被分配一个时隙，节点在该时隙内进行数据传输；

s3：聚类：将传感器的k类属性参数化为P_m(m∈[1，K])，假设工业物联网系统中有N个传感器，则P_im(i∈[1，N])表示第i个传感器的第m个参数，则由传感器及其参数可以构成一个N×M二维矩阵，将所有传感器的对应参数值进行公式(1)中的操作，以

表示，

则表示传感器i与j完全不相似，

则表示传感器i与j完全相似，ε为一可调节阈值，初始时根据经验取值，则传感器i与传感器j的相似度为，

其中，α_m为每个参数的权重，且满足约束

假设传感器的通信半径为R_i(i∈[1，N])，只考虑在一跳范围内成簇，

以坐标(x_i，y_i)表示传感器i在监测区域内的坐标，则传感器i到传感器j的距离为，

引入另一参数θ_ij表示传感器i是否在传感器j的一跳范围内，

将同簇传感器节点约束在单跳范围内，可得聚类参数为，

分析可得，当ρ_ij＞0时所对应的传感器i与j可聚为一类，在分簇时可分成一簇；

S4：最优簇数及簇头确定：假设簇数为C(C∈[2，N])，以ρ_ij为参数运行k-means算法，并记录簇数不同时分簇结果的每簇节点数，

其中，

为

的向下取整值，簇内节点数与平均簇内节点数差距最小的分簇结果所对应的簇数，即为最优簇数，则最优簇数为，

以最优簇数所对应的每簇节点数对所有节点都运行，完成分簇过程；

S5：模式码生成减少冗余数据传输：将本轮采集数据与上一轮采集数据进行比较，比较结果分为不变数据、一般数据和预警数据，不变数据无需传送数据，一般数据只传送变化了的数据部分，预警数据传送其全部数据给簇头并发出预警信号，

则数据改变的分类函数可定义为，

其中，S₀、S₁、S₂分别表示不变数据、一般数据和预警数据的集合，即表示数据的变化程度，η为引入变化率，ε₁和ε₂为设定阈值，D代表传输数据集合；

S6：簇头节点传输路径确定：构建簇头到基站的无向图无向连通图G，

G＝(V，E，W) (13)，

其中，V是图的节点集，E是图中节点间的边的集合W表示边集E每条边上的权的集合，W_ij表示边(v_i，v_j)上的权，这里W_ij＝1/E_ij表示节点i到节点j的能量消耗，即能耗越大权重越小，由于传感节点i和j间的距离为D_ij，由于节点间的通信半径为R_i，则当D_ij≤R_i时，表示节点i在节点j的通信范围内，是j的邻节点，则节点i和节点j可直接通信，

另设集合P、P′、TE，其中，

P＝{v|v为已求得的最短路径树上的一个点}，

P′＝V-P，

TE＝{(u，v)|(u，v)为已求得的最短路径树上的边，u∈P，v∈P}，

再设W(v_i)表示最小权系数，

W(v_i)为从基站到节点v_i的最短路径上的权的倒数之和，该值在建树过程中存于节点v_i中，则建立N个节点，包含基站节点，路由树的算法具体步骤如下：

初始化，令

W(BS)＝0，W(v_i)＝∞，i＝1，2，...，N，P＝(BS)，P′＝{v_i|i＝1，2，...N-1，}，TE＝{Φ}；

从BS出发，找出与基站相连且D_ij小于R_i的所有边(v_i，v_j)的权值W_ij，其中v_i＝BS∈P，v_j∈P′，再从中选取权值W_i0j0最大的边(v_i0，v_j0)，其中v_i0∈P，v_j0∈P′，权最大则表示能耗最小，则节点v_j0可加入P中；

求出与节点v_j0相连且另一个节点在P′中的所有边(v_i，v_j0)，i＝1，2，…k，v_i是在集合P′中且与节点v_j0相邻的节点，i为P中所有与v_j0相邻的节点的标号；

求节点v_j0在各边(v_i，v_j0)上的最小权系数W(ij0)，这里，

求顶点v_j0的最小权系数W(v_j0)，

W(v_j0)＝min{W(ij0)} (16)

求使W(v_j0)最小的边(v_i，v_j0)，把该边(v_i，v_j0)并入TE，把顶点v_j0从P′中取出并入P中，即，

TE＝TE∪{(vi，vj0)}

P′＝P′-{vj0}，

P＝P∪{vj0} (17)

判断P′是否为空，若为空，则算法结束，否则转(1)继续，

路由树的算法结束后就在网中建立以基站为根，所有簇头节点为中间节点或者叶子节点的路由树，树上每个节点到根的路径是最短的；

S7：数据完整性认证：采用数据完整性认证算法，其中算法中各种符号的含义，

v_i→v_j：节点i发送消息给节点j，

key_ij：节点i与节点j之间的密钥对，

id_i：节点i的唯一地址身份标识符，

节点剩余能量和初始能量之间的百分比，

pc_i：节点i的模式码，

mac(Key，Mess)：用密钥Key加密消息Mess的认证码，

f(pc₁，pc₂)：中间节点融合函数，

叶子节点G、H、I感应数据，

假设G、H、I是完成了模式码筛选数据后需要发送数据的节点，其所在路径的簇头节点B、F融合数据，并传送到基站，

传送数据步骤如下：

步骤1：节点G向其父节点B发送数据：

公式(18)为节点G发送给其父节点B的数据，其中包括节点G的ID，随机数据Nonce，节点生成的模式码，剩余能量与初始能量的百分比，以及消息认证码，消息认证码是节点G与其父节点B之间的共享密钥，实现消息来源的认证；

节点H、I重复步骤1的过程发送消息给父节点B，父节点B根据融合算法融合其接收到的数据，并发送如下消息给其父节点F：

mac(key_BF，Nonce_B，||pc_B) (23)

其中，F根据B利用式(19)-(21)发来的消息接认证G、H、I节点发来的源数据，同时利用式(22)、(23)来认证节点B是否有篡改融合数据；

步骤3节点F认证通过后，向基站发送数据，其消息格式如下：

mac(key_FBS，Nonce_F，||f(pc_F)) (25)

基站通过验证式(25)来证实节点F是否有篡改数据。

与现有技术相比，本发明的有益效果是：工业物联网的前端数据采集网络受能量限制，其数据传输会受其影响。层次型路由协议可减少数据传输交互，降低能耗。本发明在LEACH协议基础上提出OISDF算法模型，在分簇前先将节点进行分类，以最均衡的网络负担来确定簇内节点个数完成集簇。再引入模式码概念，消除由于同类数据或者变化不大的数据而产生的冗余。利用最小路径生成树及密码认证算法实现在能量消耗最小的情况下的数据的保密传送，并且数据完整性可验证。仿真结果表明，本发明提出的OISDF模型的执行效率较高，同等情况下的能量消耗也较其他算法要好，是一种轻量级、绿色、安全数据融合模型。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明典型的工业物联网的结构示意图；

图2为本发明能量消耗模型结构示意图；

图3为本发明工业物联网系统时序划分结构示意图；

图4为本发明传感器及其参数可以构成的N×M二维矩阵结构示意图；

图5为本发明相似度

的计算过程图；

图6为本发明分簇结果图；

图7为本发明分簇算法流程图；

图8为本发明中间节点或者叶子节点的路由树结构示意图；

图9为本发明以BS和CHs创建的路由树结构示意图；

图10为本发明当节点数量不同时所提出的模型的运行效果结构示意图；

图11为本发明算法执行时间比较图。

具体实施方式

下面将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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

一个典型的工业物联网的结构如图1所示，主要由工厂中的各种类型传感器、传输基站、互联网、云端的数据存储及计算中心及用户组成。由于数据融合主要发生在从工厂的数据采集传感器到基站(BS)之间，为简化系统模型，本发明仅针对图中虚线框所示部分做研究，本发明模型做出如下假设：(1)工业物联网的前端数据采集设备由大量固定传感节点构成，即一旦传感节点被布置在某监测区域内，则其位置不再改变，假设传感节点数为N；(2)节点被布置在监测区域后可以通过某种方式(如GPS)获取其位置信息；(3)每个节点自带能量监测计，能获知某时间点自身能量值；(4)监测区域内仅存在一个基站，其位置固定在监测区域正中心；(5)基站具有一定的计算能力；(6)系统路由模型为基于簇的层次式路由协议，一个簇由一个簇头节点CH与多个非簇头节点(non-CH)组成，非簇头节点完成数据感测并将其数据传输至各自的CH节点，CH节点不但需要将接受到的簇内成员数据传送至基站BS(base station)，并且担负着对簇内成员节点数据融合的责任；(7)根据传输性能，簇头以一跳或者多跳的形式将数据传送到基站；(8)基站作为整个无线网络向外的接口，也是本方案的可信中心，故设定其完全可信。

本发明提供一种技术方案：面向工业物联网的轻量级绿色安全数据融合模型建立方法，包括如下步骤：

S1：能量消耗模型建立：如图2所示，假设一个传感节点在进行数据传输时被简化为由发射器元件和功率放大器组成的基本结构。发射器元件用于信号发射和接收。发射端在运行发射器元件、功率放大器时执行发送操作会消耗能量，接收端运行发射器元件执行接收操作时也会消耗能量。收、发两端若相距dm，当d较小采用自由空间传输模型，默认为一跳，d较大时采用多径衰落信道模型，默认为多跳，则相距dm的发射端与接收端之间传输qbit消息所消耗的能量为：

其中：E_el表示运行发射器元件时每比特所消耗的能量；E_frs、E_tworay分别表示发射器在自由空间和双径传播模型的单位功率放大器的能量消耗，其中，并且d₀为：

其中，h_t、h_r分别为发送端与接收端的离地距离，λ为波长，

相应地，接收q bit的消息所消耗的能量为：

E_re(q)＝q×E_el (3)，

S2：工业物联网系统时序划分：将工业物联网系统时序划分多个周期，一个周期称为一轮，每轮分为准备阶段和传输阶段，如图3所示。准备阶段进行传输前的数据准备工作，工作阶段完成数据的传输。本发明传输模型假设遵循TDMA，则每个节点将会被分配一个时隙，节点在该时隙内进行数据传输，可避免节点间的相互干扰。

LEACH算法的基本流程分为3步：簇头选举、分簇、簇路由，本发明在LEACH算法的基础上以减少数据冗余、减少传输交互、较低计算代价为目标，在从传感节点到基站的每个步骤上均将以上因素考虑进模型设计，以实现降低系统能耗的绿色安全数据融合模型。根据2.2所述，在系统一轮的时间内需要经历的操作步骤有：聚类、遍历确定簇数、确定簇头、模式码消除冗余数据、路径确定、完整性验证。以下为每个步骤的完整描述。

S3：聚类：工业物联网的前端数据采集无线传感网络中含有大量的传感器，这些传感器由于受自身能量和传输距离的影响，一方面其性能可能具有较大差异；另一方面同类型传感器采集的数据在一定区域范围内由于采集对象相同，可能存在大量冗余，而周期性采集的数据中如果变化不大，也在一定程度上造成冗余。因此，模型设计的目标之一即减少冗余数据的传输。物以类聚人以群分(Things gather in groups according to theirsimilarities.)，若传感器在采集对象、能量消耗、传输模式等属性上具有相似性，则往往具有相同行为模式，这里行为模式指采集的数据、数据范围、采集频率等。因此，为提高数据融合的稳定性与可靠性，本发明引入相似度概念，以此作为聚类依据。

将传感器的k类属性参数化为P_m(m∈[1，K])，假设工业物联网系统中有N个传感器，则P_im(i∈[1，N])表示第i个传感器的第m个参数，则由传感器及其参数可以构成一个N×M二维矩阵，如图4所示。将所有传感器的对应参数值进行公式(1)中的操作，以

表示，

则表示传感器i与j完全不相似，

则表示传感器i与j完全相似，ε为一可调节阈值，初始时根据经验取值，如可取为0.5。则传感器i与传感器j的相似度为，

其中，α_m为每个参数的权重，且满足约束

该参数现实中可根据具体情况进行分配，实验中可由随机数产生。这里有，相似度

的计算过程如图5所示。

假设传感器的通信半径为R_i(i∈[1，N])，只考虑在一跳范围内成簇，

以坐标(x_i，y_i)表示传感器i在监测区域内的坐标，则传感器i到传感器j的距离为，

引入另一参数θ_ij表示传感器i是否在传感器j的一跳范围内，

考虑到如果单一根据传感器的相似度进行聚类，有可能的结果是相似度很高的2个传感器的距离却非常远，因此，将同簇传感器节点约束在单跳范围内，可得聚类参数为，

分析可得，当ρ_ij＞0时所对应的传感器i与j可聚为一类，在分簇时可分成一簇；

S4：为了保证整个系统的负载均衡，以最小的计算量确认平衡，因此以每个簇中节点数相近为分簇目标。假设簇数为C(C∈[2，N])，为减小计算代价，取C从2到

以ρ_ij为参数运行k-means算法，并记录簇数不同时分簇结果的每簇节点数，得到表1，

表1

其中，

为

的向下取整值，簇内节点数与平均簇内节点数差距最小的分簇结果所对应的簇数，即为最优簇数，则最优簇数为，

以最优簇数所对应的每簇节点数对所有节点都运行上述算法，完成分簇过程，分簇结果如图6所示，分簇算法流程如图7所示。为了使系统生命周期尽量延长，因此，选择每个簇中能量值最大的节点作为簇头节点CH。

S5：模式码生成减少冗余数据传输：模式码的概念最早出现在Cam等人提出的ESPDA(Energy-efficient and Secure Pattern-based Data Aggregation)协议中，功能是用来标识和分类传感器采集到的原始数据。模式码算法的基本思想是具有相同模式码的采集数据，其实际值相近视为冗余数据，这些具有相同模式码的不同传感器节点集合只需传送其中之一的原始数据到簇头，即可极大程度的减少冗余数据的传输量。算法具体操作为，系统随机生成模式码种子，模式码种子的不同确定相同数据范围所对应的模式码编码方式不同，根据模式码种子生成数据范围跟模式码关键值的对应关系表，将采集到的数据在对应关系表中找到对应数据所在数据范围所对应的模式码关键值，组合而得到模式码，具有相同模式码的传感器的数据只需要一个传感器传送真实数据给簇头。模式码的使用是采用简单的编码形式在数据传送前对数据的分类和筛选，原始数据与传送数据只有简单映射关系，基本无需增加计算开销，且能够极大减少冗余数据的传输量。并且，簇头在进行数据传送时，不需要知道数据含义，也从一定程度上增加了数据保密性。但是ESPDA协议只有一层融合节点，使网络规模受到限制。本发明在ESPDA协议的基础上对模式码算法进行改进，目的是在保障安全的同时进一步减少冗余，节约能源，延长网络生命期。

模式码的编码方式根据应用场景，采集信息种类等信息进行设定。下面以具体数据示例来说明模式码生成规则。若监测区域有若干个传感节点，每个传感节点分别监测如温度、湿度、压力等若干个参数。假设这些参数的数值变化范围均为0～100，但是不同参数的数据值集中区域不同，因此在设定模式码对应数据值集中区域间隔时根据实际情况设定。如在某工程环境中，温度的主要采集数据范围为21℃～25℃和29℃～32℃，湿度的主要采集数据范围为45rh～55rh，而压力的主要采集数据范围为70N-80N和85N-100N，则可定义模式码编码如表2所示：

表2

其中，模式码关键值通过模式码种子生成，不同的模式码种子对于相同的传感节点的模式码关键值不同。表3给出了在某时间点5个传感节点的数据的模式码，生成模式码时采用模式种子为5时的关键值。

表3

	Sensor1	Sensor2	Sensor3	Sensor4	Sensor5
						Data	(23,35,60)	(25,43,68)	(30,26,85)	(29,27,99)	(31,28,90)
Criticalvalue1	1	1	4	4	4
						Criticalvalue2	6	6	0	0	0
Criticalvalue3	8	8	5	5	5
						Patterncode	168	168	405	405	405

由表3可见，传感节点1和2的模式码相同，传感节点3、4、5的模式码相同，则认为1和2数据冗余，3、4、5数据冗余，挑选这两组中能量高的那个传感节点进行数据传送，从而从一定程度上减少了数据冗余和传输交互。

工业物联网前端数据采集网络中的冗余数据主要体现在两大类，一类是在同一个采集周期内大量传感器产生的数据值相同或相近视为冗余，另一类是同一个传感器在不同采集周期内也会产生相同和相近数据。模式码的使用可以在数据传输前将第一大类的数据冗余极大降低，但是若在下一周期内采集的数据不变或变化不大也被不加处理的同样传输，很多这样的冗余数据就会被传送到融合节点，耗费不必要的能量。因此，本发明模型将本轮采集数据与上一轮采集数据进行比较，比较结果分为不变数据、一般数据和预警数据。不变数据无需传送数据，一般数据只传送变化了的数据部分，预警数据传送其全部数据给簇头并发出预警信号。

这里，用S₀、S₁、S₂分别表示不变数据、一般数据和预警数据的集合。为表示数据的变化程度，这里引入变化率η。假设一个传感器节点一次采集3个数据，其中有1个发生变化，则η＝1/3×100％＝33.3％。根据经验设定阈值ε₁和ε₂，

则数据改变的分类函数可定义为，

其中，S₀、S₁、S₂分别表示不变数据、一般数据和预警数据的集合，即表示数据的变化程度，η为引入变化率，ε₁和ε₂为设定阈值，D代表传输数据集合；

S6：簇头节点传输路径确定：在集簇、簇头选举、传输前数据融合过程完成后，接下来簇头节点需要把融合的数据传递给基站。簇头节点散布在监测区域的各处，可能处于基站一跳范围内，则无需路由可直接向基站传输融合数据，也有可能距离基站较远，此时需要通过其他簇头节点作为中继节点，以多跳方式将数据传递给基站。路由协议和MAC协议是影响网络能量消耗的重要因素，因此，采用何种路由算法和协议就显得尤为重要。在现有文献提出的PEGASIS算法中，节点向邻节点发送能量递减的测试信号，通过检测应答来确定离自己最近的邻节点而确定最短路径，每个节点都以最小功率发送数据分组，并有条件地完成必要的数据融合以减少整个网络的功耗。现有文献中提出闲聊法对洪泛路由进行改进，有效解决了内爆和数据量大导致的能耗问题，但延时过大。现有文献中提出基于协商的SPIN路由算法，只把数据发送到在传输前进行了协商的邻节点，并采用“元数据”来减少冗余信息从而达到节能目的。现有文献中提出的GPSR算法是让节点从其所有的邻节点中选择距离网关节点最近的邻节点作为自己的下一跳节点，采用周边转发模式进行迂回选路来避免可能出现的“空洞”问题。现有文献中通过建立最小生成树提出了一种数据可靠传输的节能路由算法。上述算法在路由寻路领域均有不错的表现，但是应用在工业物联网领域由于能量或计算能力的限制，算法的使用受限。Dijkstra算法是一种经典的最短路径算法，若网络中的边数为N，则算法的一般时间复杂度为O(N²)，若采用堆数据结构进行算法优化，其时间复杂度可降为O(1)。因此，本发明借用Dijkstra算法思想，构建簇头到基站的无向图，以最小跳数、最低能耗为目标，确定各簇头到基站的最短路由方案。将基站看做根节点，由各簇头及其子孙节点构建路由树，则可从各簇头把数据沿路由树传输到基站。

由于簇头均为每簇能量剩余最多的节点，正常情况下均应该满足传输所需能量要求，因此这里不考虑簇头节点濒临死亡或者不够传输所需能量的特殊情况。Dijkstra算法是一种单源高效搜索算法，在工业物联网场景中，要找到簇头到基站的最短路径，则可将各簇头与基站用边连接，构建无向连通图G。这里，

G＝(V，E，W) (13)，

其中，V是图的节点集，E是图中节点间的边的集合W表示边集E每条边上的权的集合，W_ij表示边(v_i，v_j)上的权，这里W_ij＝1/E_ij表示节点i到节点j的能量消耗，即能耗越大权重越小，由于传感节点i和j间的距离为D_ij，由于节点间的通信半径为R_i，则当D_ij≤R_i时，表示节点i在节点j的通信范围内，是j的邻节点，则节点i和节点j可直接通信，另设集合P、P′、TE，其中，

P＝{v|v为已求得的最短路径树上的一个点}，

P′＝V-P，

TE＝{(u，v)|(u，v)为已求得的最短路径树上的边，u∈P，v∈P}，

再设W(v_i)表示最小权系数，

W(v_i)为从基站到节点v_i的最短路径上的权的倒数之和，该值在建树过程中存于节点v_i中，则建立N个节点，包含基站节点，路由树的算法具体步骤如下：

初始化，令

W(BS)＝0，W(v_i)＝∞，i＝1，2，...，N，P＝(BS)，P′＝{v_i|i＝1，2，...N-1，}，TE＝{Φ}；

从BS出发，找出与基站相连且D_ij小于R_i的所有边(v_i，v_j)的权值W_ij，其中v_i＝BS∈P，v_j∈P′，再从中选取权值W_i0j0最大的边(v_i0，v_j0)，其中v_i0∈P，v_j0∈P′，权最大则表示能耗最小，则节点v_j0可加入P中；

求出与节点v_j0相连且另一个节点在P′中的所有边(v_i，v_j0)，i＝1，2，…k，v_i是在集合P′中且与节点v_j0相邻的节点，i为P中所有与v_j0相邻的节点的标号；

求节点v_j0在各边(v_i，v_j0)上的最小权系数W(ij0)，这里，

求顶点v_j0的最小权系数W(v_j0)，

W(v_j0)＝min{W(ij0)} (16)

求使W(v_j0)最小的边(v_i，v_j0)，把该边(v_i，v_j0)并入TE，把顶点v_j0从P′中取出并入P中，即，

TE＝TE∪{(vi，vj0)}

P′＝P′-{vj0}，

P＝P∪{vj0} (17)

判断P′是否为空，若为空，则算法结束，否则转(1)继续，

算法结束后就在网中建立以基站为根，所有簇头节点为中间节点或者叶子节点的路由树，如图8所示，树上每个节点到根的“路径”是最短的。图9为以BS和CHs创建的路由树。图9为以BS和CHs创建的路由树。

S7：数据完整性认证：

当路由树建立起来后，则每个节点的传输路径是确定的，每个节点的父节点与子节点确定，这里通过父、子2级密钥保证数据在传输过程中不被篡改，其完整性可验证。假设融合函数f(d₁，d₂，d₃，d₄，d₅)＝f(d₁，(d₂，d₃，d₄)，d₅)成立，以下是数据完整性认证算法中各种符号的含义。

v_i→v_j：节点i发送消息给节点j，

key_ij：节点i与节点j之间的密钥对，

id_i：节点i的唯一地址身份标识符，

节点剩余能量和初始能量之间的百分比，

pc_i：节点i的模式码，

mac(Key，Mess)：用密钥Key加密消息Mess的认证码，

f(pc₁，pc₂)：中间节点融合函数，

叶子节点G、H、I感应数据，

每个节点在确定其传输路径后，分别保存孩子、父亲间的密钥对，叶子节点只有其父亲的密钥。这个密钥只建立一次，建立后不更换。如图9所示，叶子节点G、H、I感应数据，这里假设G、H、I是完成了模式码筛选数据后需要发送数据的节点。其所在路径的簇头节点B、F融合数据，并传送到基站。以节点G为例，其传送数据模式如下：

步骤1：节点G向其父节点B发送数据：

公式(18)为节点G发送给其父节点B的数据，其中包括节点G的ID，随机数据Nonce，节点生成的模式码，剩余能量与初始能量的百分比，以及消息认证码，消息认证码是节点G与其父节点B之间的共享密钥，实现消息来源的认证；

节点H、I重复步骤1的过程发送消息给父节点B，父节点B根据融合算法融合其接收到的数据，并发送如下消息给其父节点F：

mac(key_BF，Nonce_B，||pc_B) (23)

其中，F根据B利用式(19)-(21)发来的消息接认证G、H、I节点发来的源数据，同时利用式(22)、(23)来认证节点B是否有篡改融合数据；

步骤3节点F认证通过后，向基站发送数据，其消息格式如下：

mac(key_FBS，Nonce_F，||f(pc_F)) (25)

基站可以通过验证式(25)来证实节点F是否有篡改数据。这样完成了从叶子节点到基站的数据传送。在数据传送过程中，节点只进行加密，路径上的中间节点对接收的数据不需要解密，直接向上转发。每级节点在收到数据后都对消息来源根据mac值进行验证，从而保证了数据的保密性和完整性。一旦认证不通过，节点可以清楚的知道是哪个孩子节点，被俘获了。当某节点监测到异常，就会将被俘获节点进行全网广播，并自动删除与该节点之间的共享密钥。若是中间节点被俘，如B，在删除了B之后，由于B的父节点F与子节点G有共享密钥，因此不影响整个网络的连通性。

在一轮的时间周期内，上述相似性度量、确定簇头、成簇、模式码减少冗余数据、构建路有树、数据加密验证传送过程依次进行，即完成了一次完整的传送过程。该过程周而复始的进行，保证数据在低功耗的状态下保密传送，并可进行完整性验证。

仿真实验及其结果分析，评估本发明提出的数据融合模型的性能，仿真环境使用MATLABR2016b搭建。实验结果与LEACH、SIA算法进行比较。具体的仿真参数如表1所示。

表4仿真参数

这里每个传感节点的通信半径R_i＝R×α_i，每个传感节点的初始能量E_i＝E₀×α_i，即每个传感节点的通信半径和初始能量可能不同，并且有∑α_i＝10，以确保初始时每次实验的网络中总能量相同。N表示传感节点数，为了校验成簇效果，N值不宜过小，因此取N在30～100间变化。由于本发明所述模型采用轮的时间机制，每轮算法的执行流程相同，只要网络中有能量存在，该流程就会周而复始执行。

1)节点数量对系统能耗的影响

本模型中，监测区域大小固定，节点数量不同时会对簇的数量和每簇节点个数的确定产生不同的影响。这里假设不同节点数量的系统初始总能量相同，则随着算法的运行，系统能耗增加，最终会减少到0，将系统能量耗尽时所在的轮数记录下来，即为系统网络生命周期。图10中比较了当节点数量不同时本发明所提出的模型的运行效果。

由图10可知，当系统中的节点数量较少时(N＝30～40)，系统的能耗呈现急剧下降的趋势，而当系统中的节点数较多时(N＝80～100)，能耗变化呈现先缓后陡的趋势。究其原因，在本发明所述模型中采用了分簇过程，以减少传输交互。当系统中的节点数较多时，可以获得较好的分簇结果，因此变相的减少了传输交互，而随着时间推进，系统中的部分节点能量耗尽，处于死亡状态，因此在后面能耗呈现急剧下降的趋势。而系统中节点较少时分簇结果不理想，路由时系统可能处于网状路由，节点间的相互传输增加，增大了传输开销，因此在系统运行前期能耗处于急剧下降的趋势而在网络接近死亡时趋势放缓。节点数处于中间状态时，能耗变化接近于线性变化，说明N＝60对于100*100m的监测区域的数量布置合适，系统能耗对于节点数量呈现规律性变化。虽然节点数量较少时使系统的平均剩余能量较高，但是从图上看，N＝30时网络寿命大约在7000轮，而N＝100时网络寿命大约在9500轮，说明节点数量较多反而利于系统节能，归根结底还是因为本发明采用了聚类、分簇算法的结果。

2)算法执行时间比较(5000轮)

算法的执行时间也是算法性能的一个重要衡量因素。下面以节点数量取60，算法运行5000轮，比较三种算法的执行时间。见图11。

由图10可见，LEACH和OISDF算法在开始执行的时候网络耗时急剧增加，而在后期呈现较为平稳的趋势，而SIA算法时间的增长随着运行轮次的增长基本呈现线性趋势。而总体上来说OISDF算法的执行时间稍优于LEACH算法。这是由于在早期OISDF算法需要进行簇头选举、计算相似度、计算最优簇数、集簇等操作，所以开始耗时较大，而在算法稳定运行后轮次的增长对时间影响已经不大了。

3)网络生命周期影响

本节从稳定时长、网络寿命两方面分析本发明提出的OISDF算法的性能。定义稳定时长为从网络初始开始到第一个节点死亡时的轮数，网络生命周期沿用上述定义。表5列举了10次测试中LEACH、SIA、OISDF算法的实验数据。由表5数据计算可知，LEACH、SIA和OISDF的稳定时长均值分别为1961.9、1538.1和1984.6。而网络寿命均值分别为8575.1、4953.8和8988.9。这些数据表明，提出的OISDF算法的性能优于SIA算法，而与LEACH算法的表现差不多。

表5几种算法的稳定时长和网络寿命比较

究其原因在于:LEACH算法与OISDF算法均以分簇路由为算法基本设计思想，因此极大的降低了系统的传输交互，而SIA算法专注于数据的安全认证，在认证阶段的传输交互增加，因此导致系统能耗增加。而OISDF算法在分簇基础上引入了模式码的使用，能极大降低数据冗余，从而降低传输交互，虽然路由和认证环节会增加传输交互，但是从数据结果来看，这种影响对系统较小。OISDF的表现甚至稍优于LEACH算法，说明模型的整体设计思路方向是正确的，且算法的表现可以接收。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (1)

1.面向工业物联网的轻量级绿色安全数据融合模型建立方法，其特征在于：包括如下步骤：

S1：能量消耗模型建立：假设一个传感节点在进行数据传输时被简化为由发射器元件和功率放大器组成的基本结构，由于发射端在运行发射器元件、功率放大器时执行发送操作会消耗能量，接收端运行发射器元件执行接收操作时也会消耗能量，收、发两端若相距dm，当d较小采用自由空间传输模型，默认为一跳，d较大时采用多径衰落信道模型，默认为多跳，则相距dm的发射端与接收端之间传输qbit消息所消耗的能量为：

其中:E_el表示运行发射器元件时每比特所消耗的能量；E_frs、E_tworay分别表示发射器在自由空间和双径传播模型的单位功率放大器的能量消耗，其中，并且d₀为：

其中，h_t、h_r分别为发送端与接收端的离地距离，λ为波长，

相应地，接收qbit的消息所消耗的能量为：

E_re(q)＝q×E_el (3)，

S2：工业物联网系统时序划分：将工业物联网系统时序划分多个周期，一个周期称为一轮，每轮分为准备阶段和传输阶段，准备阶段进行传输前的数据准备工作，工作阶段完成数据的传输，传输模型假设遵循TDMA，则每个节点将会被分配一个时隙，节点在该时隙内进行数据传输；

S3：聚类：将传感器的k类属性参数化为P_m(m∈[1，K])，假设工业物联网系统中有M个传感器，则P_im(i∈[1，N])表示第i个传感器的第m个参数，则由传感器及其参数可以构成一个N×M二维矩阵，将所有传感器的对应参数值进行公式(1)中的操作，以

表示，

则表示传感器i与j完全不相似，

则表示传感器i与j完全相似，ε为一可调节阈值，初始时根据经验取值，则传感器i与传感器j的相似度为，

其中，α_m为每个参数的权重，且满足约束

假设传感器的通信半径为R_i(i∈[1，N])，只考虑在一跳范围内成簇，

以坐标(x_i,y_i)表示传感器i在监测区域内的坐标，则传感器i到传感器j的距离为，

引入另一参数θ_ij表示传感器i是否在传感器j的一跳范围内，

将同簇传感器节点约束在单跳范围内，可得聚类参数为，

分析可得，当ρ_ij＞0时所对应的传感器i与j可聚为一类，在分簇时可分成一簇；

S4：最优簇数及簇头确定：假设簇数为C(C∈[2，N])，以ρ_ij为参数运行k-means算法，并记录簇数不同时分簇结果的每簇节点数，

其中，

为

的向下取整值，簇内节点数与平均簇内节点数差距最小的分簇结果所对应的簇数，即为最优簇数，则最优簇数为，

以最优簇数所对应的每簇节点数对所有节点都运行，完成分簇过程；

S5：模式码生成减少冗余数据传输：将本轮采集数据与上一轮采集数据进行比较，比较结果分为不变数据、一般数据和预警数据，不变数据无需传送数据，一般数据只传送变化了的数据部分，预警数据传送其全部数据给簇头并发出预警信号，

则数据改变的分类函数可定义为，

其中，S₀、S₁、S₂分别表示不变数据、一般数据和预警数据的集合，即表示数据的变化程度，η为引入变化率，ε₁和ε₂为设定阈值，D代表传输数据集合；

S6：簇头节点传输路径确定：构建簇头到基站的无向图无向连通图G，

G＝(V，E，W) (13)，

其中，V是图的节点集，E是图中节点间的边的集合W表示边集E每条边上的权的集合，W_ij表示边(v_i,v_j)上的权，这里W_ij＝1/E_ij表示节点i到节点j的能量消耗，即能耗越大权重越小，由于传感节点i和j间的距离为D_ij，由于节点间的通信半径为R_i，则当D_ij≤R_i时，表示节点i在节点j的通信范围内，是j的邻节点，则节点i和节点j可直接通信，

另设集合P、P′、TE，其中，

P＝{v|v为已求得的最短路径树上的一个点}，

P’＝V-P，

TE＝{(u，v)|(u，v)为已求得的最短路径树上的边，u∈P，v∈P}，

再设W(v_i)表示最小权系数，

W(v_i)为从基站到节点v_i的最短路径上的权的倒数之和，该值在建树过程中存于节点v_i中，则建立N个节点，包含基站节点，路由树的算法具体步骤如下：

初始化，令

W(BS)＝0，W(v_i)＝∞，i＝1，2，…，N，P＝(BS)，P′＝{v_i|i＝1，2，…N-1，}，TE＝{Φ}；

从BS出发，找出与基站相连且D_ij小于R_i的所有边(v_i,v_j)的权值W_ij，其中v_i＝BS∈P，v_j∈P’，再从中选取权值W_i0j0最大的边(v_i0,v_j0),其中v_i0∈P，v_j0∈P’，权最大则表示能耗最小，则节点v_j0可加入P中；

求出与节点v_j0相连且另一个节点在P’中的所有边(v_i,v_j0)，i＝1，2，…k，v_i是在集合P’中且与节点v_j0相邻的节点，i为P中所有与v_j0相邻的节点的标号；

求节点v_j0在各边(v_i,v_j0)上的最小权系数W(ij0)，这里，

求顶点v_j0的最小权系数W(v_j0)，

W(v_j0)＝min{W(ij0)} (16)

求使W(v_j0)最小的边(v_i,v_j0)，把该边(v_i,v_j0)并入TE，把顶点v_j0从P’中取出并入P中，即，

TE＝TE∪{(vi，vj0)}

P′＝P'-{vj0}，

P＝P∪{vj0} (17)

判断P’是否为空，若为空，则算法结束，否则转(1)继续，

路由树的算法结束后就在网中建立以基站为根，所有簇头节点为中间节点或者叶子节点的路由树，树上每个节点到根的路径是最短的；

S7：数据完整性认证：采用数据完整性认证算法，其中算法中各种符号的含义，

v_i→v_j:节点i发送消息给节点j，

key_i:节点i与节点j之间的密钥对，

id_i:节点i的唯一地址身份标识符，

节点剩余能量和初始能量之间的百分比，

pc_i:节点i的模式码，

mac(Key，Mess):用密钥Key加密消息Mess的认证码，

f(pc₁，pc₂):中间节点融合函数，

叶子节点G、H、I感应数据，

假设G、H、I是完成了模式码筛选数据后需要发送数据的节点，其所在路径的簇头节点B、F融合数据，并传送到基站，

传送数据步骤如下:

步骤1：节点G向其父节点B发送数据:

公式(18)为节点G发送给其父节点B的数据，其中包括节点G的ID，随机数据Nonce，节点生成的模式码，剩余能量与初始能量的百分比，以及消息认证码，消息认证码是节点G与其父节点B之间的共享密钥，实现消息来源的认证；

节点H、I重复步骤1的过程发送消息给父节点B，父节点B根据融合算法融合其接收到的数据，并发送如下消息给其父节点F:

mac(key_BF，Nonce_B，||pc_B) (23)

其中，F根据B利用式(19)-(21)发来的消息接认证G、H、I节点发来的源数据，同时利用式(22)、(23)来认证节点B是否有篡改融合数据；

步骤3节点F认证通过后，向基站发送数据，其消息格式如下：

mac(key_FBS，Nonce_F，||f(pc_F)) (25)

基站通过验证式(25)来证实节点F是否有篡改数据。

Images