無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)位置驗(yàn)證方法*

毛科技,金洪波,苗春雨,2,鄔錦彬,雷艷靜,陳慶章*

(1.浙江工業(yè)大學(xué),計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,杭州 310023;2.浙江師范大學(xué),行知學(xué)院,杭州 321004)

?

無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)位置驗(yàn)證方法*

毛科技1,金洪波1,苗春雨1,2,鄔錦彬1,雷艷靜1,陳慶章1*

(1.浙江工業(yè)大學(xué),計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,杭州 310023;2.浙江師范大學(xué),行知學(xué)院,杭州 321004)

節(jié)點(diǎn)位置信息是感測(cè)數(shù)據(jù)的重要上下文信息,節(jié)點(diǎn)自定位技術(shù)是無(wú)線傳感器網(wǎng)絡(luò)的支撐技術(shù)之一。在基于信標(biāo)節(jié)點(diǎn)的定位技術(shù)中,信標(biāo)節(jié)點(diǎn)位置的可靠性是影響網(wǎng)絡(luò)服務(wù)質(zhì)量的關(guān)鍵因素。針對(duì)信標(biāo)節(jié)點(diǎn)位置漂移和惡意信標(biāo)節(jié)點(diǎn)引起定位精度下降的問(wèn)題,提出了一種基于信譽(yù)模型的分布式輕量級(jí)節(jié)點(diǎn)位置驗(yàn)證方法(ReputationbasedLocationVerification,RLV),通過(guò)建立無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)位置信譽(yù)模型來(lái)識(shí)別網(wǎng)絡(luò)中的不可靠信標(biāo)節(jié)點(diǎn)。仿真結(jié)果表明信譽(yù)模型能夠較好的反映節(jié)點(diǎn)的定位精度,RLV算法可以探測(cè)出95%以上的不可靠信標(biāo)節(jié)點(diǎn)。

無(wú)線傳感器網(wǎng)絡(luò);可信定位;信譽(yù)模型;信標(biāo)漂移;惡意錨節(jié)點(diǎn)

無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSNs)由大量傳感器節(jié)點(diǎn)組成,已經(jīng)廣泛的應(yīng)用在軍事和生產(chǎn)生活中,例如戰(zhàn)場(chǎng)監(jiān)視、環(huán)境監(jiān)測(cè)和衛(wèi)生醫(yī)療方面[1]。在大量應(yīng)用場(chǎng)景中,獲取到的監(jiān)測(cè)信息往往需要附帶相應(yīng)的位置信息才具有實(shí)用價(jià)值,比如火災(zāi)檢測(cè)[2]。傳感器節(jié)點(diǎn)可以通過(guò)GPS或者人為部署等方式獲取自身位置信息,但由于GPS接收器價(jià)格相對(duì)較高并且能量消耗較大,且不能工作于室內(nèi)等遮蔽環(huán)境,不適合低成本低功耗的WSN,而為所有節(jié)點(diǎn)預(yù)設(shè)位置信息的方法并不適合大規(guī)模WSN。因此,通常的做法是為網(wǎng)絡(luò)中一小部分節(jié)點(diǎn)預(yù)設(shè)位置信息,這部分節(jié)點(diǎn)稱為信標(biāo)節(jié)點(diǎn)(或錨節(jié)點(diǎn));其它節(jié)點(diǎn)(我們稱之為普通節(jié)點(diǎn))依靠信標(biāo)節(jié)點(diǎn)提供的位置參考,通過(guò)定位算法求解自身位置。定位算法可分為基于測(cè)距的(Range-Based)定位算法和無(wú)需測(cè)距的(Range-Free)定位算法[3],基于測(cè)距的定位算法往往能夠提供較高的定位精度,因此被廣泛應(yīng)用于對(duì)位置精度要求較高的場(chǎng)景。在靜態(tài)傳感器網(wǎng)絡(luò)的定位研究中,通常假設(shè)信標(biāo)節(jié)點(diǎn)提供的位置參考信息是可靠的。但在實(shí)際應(yīng)用場(chǎng)景中,所有節(jié)點(diǎn)都可能因?yàn)樽匀换蛉藶榈挠绊懸鹞恢闷?錨節(jié)點(diǎn)也可能因內(nèi)部故障或被敵人捕獲而故意提供虛假的位置信息。普通節(jié)點(diǎn)的位置偏移可以通過(guò)重新定位來(lái)解決;但如果在定位過(guò)程中引用了不可靠的信標(biāo)節(jié)點(diǎn)位置信息,會(huì)嚴(yán)重的降低定位精度,影響網(wǎng)絡(luò)的服務(wù)質(zhì)量。

針對(duì)上述問(wèn)題,本文提出了一種基于信譽(yù)模型的輕量級(jí)、分布式位置驗(yàn)證算法。節(jié)點(diǎn)通過(guò)綜合鄰居節(jié)點(diǎn)的直接信任度和推薦信任度確定其鄰居節(jié)點(diǎn)的位置可信程度,以此來(lái)進(jìn)行節(jié)點(diǎn)位置驗(yàn)證,識(shí)別位置信息不可靠的信標(biāo)節(jié)點(diǎn)。本文的貢獻(xiàn)可以歸結(jié)為:①在WSN節(jié)點(diǎn)位置驗(yàn)證中引入綜合信譽(yù)模型,并使其適用于網(wǎng)絡(luò)動(dòng)態(tài)變化的場(chǎng)景;②提出的位置驗(yàn)證算法在較低的通信開(kāi)銷和計(jì)算開(kāi)銷情況下,以較高的概率識(shí)別提供不可靠位置信息的信標(biāo)節(jié)點(diǎn);③提出的算法具有普適性,可廣泛應(yīng)用于基于測(cè)距的定位方法中,提供可信的定位依據(jù)。本文其它部分組織如下:在第1節(jié)中介紹相關(guān)工作;第2節(jié)給出問(wèn)題描述;基于信譽(yù)模型的分布式可信定位算法的詳細(xì)描述在第3節(jié)展開(kāi);第4節(jié)進(jìn)行仿真實(shí)驗(yàn)與結(jié)果討論;最后在第6節(jié)總結(jié)全文并闡明未來(lái)的研究方向。

1 相關(guān)工作

目前,已有的WSN節(jié)點(diǎn)可信定位的研究,分為魯棒定位算法[4]和不可靠信標(biāo)節(jié)點(diǎn)過(guò)濾算法[5]。前者比較適用于存在測(cè)距信息干擾和信標(biāo)移動(dòng)距離較小的場(chǎng)景,這類算法的主要思想是降低不可靠信標(biāo)的定位參考作用,但當(dāng)參考位置誤差較大時(shí),算法的定位精度嚴(yán)重下降。不可靠信標(biāo)節(jié)點(diǎn)過(guò)濾算法的思想是通過(guò)節(jié)點(diǎn)位置驗(yàn)證,識(shí)別出不可靠的信標(biāo)節(jié)點(diǎn),在定位過(guò)程中忽略這些提供虛假位置信息的信標(biāo)節(jié)點(diǎn)。這種方法具有一定的普適性,可以和其它的定位算法無(wú)縫結(jié)合,提供可信的定位結(jié)果。

1.1 位置驗(yàn)證算法

文獻(xiàn)[6]提出一種可以應(yīng)用于任何測(cè)距技術(shù)的點(diǎn)對(duì)點(diǎn)位置驗(yàn)證算法,但需要配備GPS接收器的節(jié)點(diǎn)作為校驗(yàn)節(jié)點(diǎn)。He D J等[7]則提出一種應(yīng)用于TOA測(cè)距技術(shù)的,可排除異常測(cè)距值的可信定位算法。而本文的研究屬于基于RSSI測(cè)距技術(shù)的可信定位算法。Kuo等提出的信標(biāo)移動(dòng)檢測(cè)算法(Beacon Movement Detection,BMD)[8],主要用來(lái)識(shí)別網(wǎng)絡(luò)中的位置發(fā)生被動(dòng)改變的信標(biāo)節(jié)點(diǎn)。其思路為,在網(wǎng)絡(luò)中設(shè)置一個(gè)BMD引擎來(lái)收集全網(wǎng)絡(luò)的RSSI(Received Signal Strength Indication)信息并進(jìn)行處理,在一定容錯(cuò)范圍內(nèi)能夠判斷出信標(biāo)節(jié)點(diǎn)是否發(fā)生移動(dòng)。這種集中式的算法通信量較大且需要具有較強(qiáng)計(jì)算能力的Sink節(jié)點(diǎn)或后臺(tái)計(jì)算機(jī),不適用于規(guī)模較大的隨機(jī)撒播的無(wú)線傳感器網(wǎng)絡(luò)。也有一些相關(guān)工作,采用隱藏的位置校驗(yàn)節(jié)點(diǎn)對(duì)信標(biāo)節(jié)點(diǎn)的位置進(jìn)行驗(yàn)證[9],也屬于集中式的可信定位算法,且需要額外節(jié)點(diǎn)的參與,對(duì)實(shí)際應(yīng)用場(chǎng)景有特殊的要求。文獻(xiàn)[10]運(yùn)用剛性理論排除定位參考位置中的異常值,以此來(lái)提供可信的定位結(jié)果,但一方面剛性理論本身對(duì)測(cè)距精度要求很高,另一方面運(yùn)算量較大。Ravi Garg等[11]采用排除在節(jié)點(diǎn)位置計(jì)算過(guò)程中提供了較大的下降梯度的信標(biāo)節(jié)點(diǎn),來(lái)提高定位可信性,但沒(méi)有考慮普通節(jié)點(diǎn)的位置參考作用,不適用于信標(biāo)稀疏的網(wǎng)絡(luò),且也存在計(jì)算量較大的問(wèn)題。Yawen Wei等[12]根據(jù)鄰居節(jié)點(diǎn)間的相互觀測(cè)信息建立了位置驗(yàn)證概率模型,并取得較好的效果;文獻(xiàn)[13]運(yùn)用分布式的基于RSSI變化的鄰居節(jié)點(diǎn)評(píng)分機(jī)制,來(lái)識(shí)別位置被動(dòng)改變的信標(biāo)節(jié)點(diǎn)。但上述兩種方法均不能運(yùn)用于信標(biāo)節(jié)點(diǎn)被誘捕的情況。

1.2 信譽(yù)模型

“信譽(yù)”這一概念最初來(lái)源于社會(huì)科學(xué),表示對(duì)于某個(gè)客觀實(shí)體的信任度[14]。信譽(yù)模型因其分布式和易計(jì)算的特點(diǎn)被廣泛應(yīng)用于各類網(wǎng)絡(luò)的節(jié)點(diǎn)評(píng)級(jí)和數(shù)據(jù)融合過(guò)程。Sabrina Sicari等在無(wú)線傳感網(wǎng)絡(luò)中引入節(jié)點(diǎn)信用值來(lái)提高存在惡意節(jié)點(diǎn)情況下的數(shù)據(jù)融合的準(zhǔn)確度[15]。文獻(xiàn)[16]同樣利用信譽(yù)值過(guò)濾機(jī)制實(shí)現(xiàn)WSN數(shù)據(jù)融合過(guò)程中的惡意節(jié)點(diǎn)檢測(cè)。文獻(xiàn)[17]利用信譽(yù)模型建立了在移動(dòng)自組織網(wǎng)絡(luò)中,中繼節(jié)點(diǎn)選舉過(guò)程中識(shí)別自私行為的節(jié)點(diǎn)的機(jī)制,以此保證最優(yōu)鏈路狀態(tài)協(xié)議的正常工作。游林等則利用分級(jí)信用協(xié)議抵御WSN中的Dos攻擊[18]。上述基于信用模型的方法均取得較好的效果。

最早將信譽(yù)模型引入無(wú)線傳感器網(wǎng)絡(luò)定位的是Srinivasan等[19],提出了一種基于分布式聲譽(yù)機(jī)制的信標(biāo)節(jié)點(diǎn)信任模型DRBTS,以錨節(jié)點(diǎn)作為檢查點(diǎn),通過(guò)監(jiān)聽(tīng)信道來(lái)監(jiān)督鄰居信標(biāo)節(jié)點(diǎn)的通信情況,構(gòu)建信標(biāo)節(jié)點(diǎn)分級(jí)可信度,以此選出可信任的信標(biāo)節(jié)點(diǎn)。DRBTS通過(guò)引入信任評(píng)價(jià)機(jī)制降低了惡意信標(biāo)節(jié)點(diǎn)對(duì)定位系統(tǒng)的影響,具有簡(jiǎn)潔有效的優(yōu)點(diǎn)。但是該模型中信標(biāo)節(jié)點(diǎn)信譽(yù)更新算法過(guò)于簡(jiǎn)單,魯棒性及精確度都較差。凌遠(yuǎn)景等[20]利用Beta分布建立無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)聲譽(yù)模型完成安全定位,但該方法屬于半集中式計(jì)算,通信量較大,且由于只考慮了用信標(biāo)節(jié)點(diǎn)作為驗(yàn)證主體,不適用于信標(biāo)節(jié)點(diǎn)稀疏的場(chǎng)景。He J等[21]同樣運(yùn)用信標(biāo)節(jié)點(diǎn)作為檢查點(diǎn),建立信標(biāo)節(jié)點(diǎn)間相互觀測(cè)基礎(chǔ)上的信用模型來(lái)識(shí)別不可靠信標(biāo)節(jié)點(diǎn),同樣存在無(wú)法應(yīng)用于信標(biāo)節(jié)點(diǎn)稀疏的場(chǎng)景,且模型本身只考慮直接信任度,忽視了更能體現(xiàn)協(xié)同觀測(cè)的推薦信任度。

2 問(wèn)題建模

首先給出本文所針對(duì)的目標(biāo)問(wèn)題場(chǎng)景中兩種不可靠信標(biāo)節(jié)點(diǎn)的定義。

定義1 節(jié)點(diǎn)漂移,在某些應(yīng)用場(chǎng)景中,網(wǎng)絡(luò)部署并完成節(jié)點(diǎn)定位后可能發(fā)生節(jié)點(diǎn)自身位置發(fā)生被動(dòng)的改變(如比動(dòng)物影響等),這種現(xiàn)象叫做節(jié)點(diǎn)漂移。

定義2 惡意節(jié)點(diǎn),某些節(jié)點(diǎn)因?yàn)橛布收匣蜍浖e(cuò)誤,造成節(jié)點(diǎn)廣播的位置信息與實(shí)際位置信息不符;進(jìn)一步,在敵對(duì)環(huán)境中(如戰(zhàn)場(chǎng)),某些節(jié)點(diǎn)可能被對(duì)方捕獲,故意播報(bào)虛假的位置信息。這種主動(dòng)或被動(dòng)的播報(bào)錯(cuò)誤位置信息的節(jié)點(diǎn),在定位過(guò)程中均被認(rèn)為是惡意節(jié)點(diǎn)。

3 基于信譽(yù)模型節(jié)點(diǎn)位置驗(yàn)證算法

3.1 網(wǎng)絡(luò)模型與參數(shù)

在無(wú)線傳感器網(wǎng)絡(luò)中,錨節(jié)點(diǎn)通過(guò)預(yù)先設(shè)置的位置信息,為普通節(jié)點(diǎn)提供定位參考信息,為了方便部署,錨節(jié)點(diǎn)的個(gè)數(shù)相對(duì)較少;通過(guò)定位算法得到的普通節(jié)點(diǎn)的自身位置與其實(shí)際位置有一定偏差,稱之為定位誤差。網(wǎng)絡(luò)部署完成后,所有節(jié)點(diǎn)均有可能發(fā)生節(jié)點(diǎn)漂移,但只有錨節(jié)點(diǎn)可能因被捕獲而成為惡意節(jié)點(diǎn)。普通節(jié)點(diǎn)定位過(guò)程采用基于測(cè)距的算法,本文的研究前提是該定位算法能夠提供一定的定位精度。

幾點(diǎn)假設(shè):

①無(wú)線傳感器節(jié)點(diǎn)通信模型為理想的圓形,半徑為R,且兩個(gè)節(jié)點(diǎn)間測(cè)距為無(wú)偏估計(jì)(雙向通信時(shí)信道質(zhì)量完全相同)。

②假設(shè)定位最大誤差不超過(guò)通信半徑的30%;

③更新節(jié)點(diǎn)信譽(yù)值時(shí),節(jié)點(diǎn)不發(fā)生偏移或者成為惡意節(jié)點(diǎn),且節(jié)點(diǎn)不存在共謀。

④多數(shù)情況下,網(wǎng)絡(luò)中發(fā)生漂移的節(jié)點(diǎn)數(shù)量占節(jié)點(diǎn)總數(shù)的10%至20%。因惡意信標(biāo)節(jié)點(diǎn)數(shù)量占總信標(biāo)節(jié)點(diǎn)數(shù)50%時(shí),不能被正確檢測(cè)[23]。

整個(gè)網(wǎng)絡(luò)定位及漂移的過(guò)程如圖1所示,定位一段時(shí)間以后,普通節(jié)點(diǎn)S3、S4和S6以及錨節(jié)點(diǎn)B2發(fā)生了漂移,節(jié)點(diǎn)之間的鄰居關(guān)系也隨之發(fā)生了變化,但節(jié)點(diǎn)廣播估計(jì)位置或者實(shí)際位置(錨節(jié)點(diǎn))的并未發(fā)生變化。

圖1 網(wǎng)絡(luò)節(jié)點(diǎn)定位及漂移過(guò)程圖

本文提出的網(wǎng)絡(luò)模型,在L×L的區(qū)域內(nèi),隨機(jī)部署N個(gè)節(jié)點(diǎn),其中信標(biāo)節(jié)點(diǎn)占10%,節(jié)點(diǎn)之間的距離為d,每個(gè)節(jié)點(diǎn)之間的距離至少為10m,通信半徑相同;兩節(jié)點(diǎn)的d小于R時(shí),則能相互進(jìn)行通信,稱之為鄰居節(jié)點(diǎn);節(jié)點(diǎn)發(fā)生漂移,漂移距離記為MD。假設(shè)初始化時(shí)信標(biāo)節(jié)點(diǎn)的位置信息是可信的,定位算法通過(guò)信標(biāo)節(jié)點(diǎn)的位置信息得到普通節(jié)點(diǎn)的估計(jì)位置,其中定位誤差最大不超過(guò)30%,記為error,通過(guò)節(jié)點(diǎn)估計(jì)位置與實(shí)際位置的距離與R的比值計(jì)算所得;普通節(jié)點(diǎn)初始化時(shí),兩鄰居節(jié)點(diǎn)之間的實(shí)際距離其中根據(jù)測(cè)量節(jié)點(diǎn)RSSI值的變化求的,記為dRSSI。此外,為方便說(shuō)明,算法描述中變量的定義如表1所示。

表1 變量定義

3.2 信譽(yù)模型

由上文可知,錨節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中所占比例較小,分布也比較稀疏,所以僅通過(guò)信標(biāo)節(jié)點(diǎn)之間的位置關(guān)系來(lái)判斷錨節(jié)點(diǎn)是否可信是十分困難的。每個(gè)錨節(jié)點(diǎn)周圍分布著大量的普通節(jié)點(diǎn),可以通過(guò)引入普通節(jié)點(diǎn)對(duì)錨節(jié)點(diǎn)的位置觀察來(lái)判斷信標(biāo)節(jié)點(diǎn)的是否可信。普通節(jié)點(diǎn)定位過(guò)程中存在著定位誤差,所以需要降低普通節(jié)點(diǎn)的觀測(cè)結(jié)果在計(jì)算過(guò)程中的權(quán)重。本文提出的信譽(yù)模型主要通過(guò)節(jié)點(diǎn)之間的dest和dRSSI的關(guān)系計(jì)算節(jié)點(diǎn)的信譽(yù)值作為衡量節(jié)點(diǎn)定位精度的標(biāo)準(zhǔn),通過(guò)信譽(yù)值的變化情況判斷出節(jié)點(diǎn)是否可信。信譽(yù)模型是一個(gè)動(dòng)態(tài)的模型,通過(guò)不斷的迭代,節(jié)點(diǎn)可以獲得更加精確信譽(yù)值。信譽(yù)值的變化范圍為(0,1),值越接近于1表示定位精度越高。

信譽(yù)模型中,通過(guò)不斷動(dòng)態(tài)的更新鄰居節(jié)點(diǎn)對(duì)特定節(jié)點(diǎn)的信任度,而使其獲得自身的信譽(yù)值,來(lái)判斷自身是否發(fā)生了漂移;而由于惡意錨節(jié)點(diǎn)不會(huì)主動(dòng)參與對(duì)其可信程度的識(shí)別過(guò)程,只能綜合其鄰居的觀測(cè)結(jié)果,由鄰居節(jié)點(diǎn)對(duì)其可信程度進(jìn)行識(shí)別。節(jié)點(diǎn)信譽(yù)值的變化超過(guò)某一設(shè)定的閾值,則認(rèn)為節(jié)點(diǎn)發(fā)生偏移或者成為惡意節(jié)點(diǎn),該節(jié)點(diǎn)的位置信息不再可信。下面給出信譽(yù)模型所要用到4個(gè)組成參數(shù):直接信任度,推薦信任度,綜合信任度和節(jié)點(diǎn)信譽(yù)值,其定義如下。

直接信任度:表示鄰居節(jié)點(diǎn)和節(jié)點(diǎn)通過(guò)dest和dRSSI的關(guān)系所求得,表明鄰居節(jié)點(diǎn)對(duì)節(jié)點(diǎn)的定位精度的直接觀察,該標(biāo)準(zhǔn)反映鄰居節(jié)點(diǎn)對(duì)節(jié)點(diǎn)定位精度直接估計(jì),如式(1)所示。

(1)

(2)

圖2 直接信任度圖

(3)

推薦信任度如圖3所示,S2接收上一輪其他鄰居節(jié)點(diǎn)對(duì)S1的信任度,并且根據(jù)這些節(jié)點(diǎn)的信譽(yù)度作為接收推薦信任度的參考依據(jù),每個(gè)節(jié)點(diǎn)的信譽(yù)度作為其推薦信任度的權(quán)重,信譽(yù)度作為節(jié)點(diǎn)的定位精度,定位精度越高的節(jié)點(diǎn)其推薦信任度越可信。

圖3 推薦信任度

綜合信任度:鄰居節(jié)點(diǎn)通過(guò)直接信任度和其他鄰居節(jié)點(diǎn)的推薦信任度計(jì)算得到綜合信任度,表明該鄰居節(jié)點(diǎn)對(duì)節(jié)點(diǎn)的定位精度最終估計(jì)。計(jì)算過(guò)程見(jiàn)式(4):

(4)

(5)

(6)

(7)

如式(6)的計(jì)算過(guò)程所示,節(jié)點(diǎn)信譽(yù)值更新是基于鄰居節(jié)點(diǎn)對(duì)其的綜合信任度,其中計(jì)算的參考標(biāo)準(zhǔn)為其鄰居節(jié)點(diǎn)的信譽(yù)度和鄰居節(jié)點(diǎn)與該節(jié)點(diǎn)的位置關(guān)系,因?yàn)槿绻?jié)點(diǎn)發(fā)生漂移或成為惡意節(jié)點(diǎn)時(shí),節(jié)點(diǎn)上一輪的信譽(yù)值是沒(méi)有參考價(jià)值。根據(jù)網(wǎng)絡(luò)模型可知,信標(biāo)節(jié)點(diǎn)其信譽(yù)值設(shè)置為1,普通節(jié)點(diǎn)定位的最大誤差為30%,即普通節(jié)點(diǎn)的信譽(yù)值初始化時(shí)設(shè)為0.7;通過(guò)信標(biāo)節(jié)點(diǎn)信譽(yù)度的變化情況判斷出信標(biāo)節(jié)點(diǎn)是否發(fā)生移動(dòng)。

3.3 算法執(zhí)行步驟

如表2所示,RLV算法中,在t=0時(shí)刻時(shí),表示網(wǎng)絡(luò)基于信標(biāo)節(jié)點(diǎn)對(duì)普通節(jié)點(diǎn)進(jìn)行定位后,對(duì)每個(gè)節(jié)點(diǎn)的信譽(yù)值進(jìn)行初始化;在t>0時(shí)刻時(shí),每個(gè)節(jié)點(diǎn)初始信譽(yù)值為上一時(shí)刻迭代完后的信譽(yù)值。在t時(shí)刻,每輪需要更新節(jié)點(diǎn)的信譽(yù)值和對(duì)鄰居節(jié)點(diǎn)的綜合信任度,為了減小迭代時(shí)通信開(kāi)銷,迭代過(guò)程中當(dāng)節(jié)點(diǎn)信譽(yù)值小于閾值時(shí)停止更新,仿真中該閾值設(shè)置為0.035;最后通過(guò)判斷t+1時(shí)刻和t時(shí)刻,信標(biāo)節(jié)點(diǎn)信譽(yù)值的變化量,當(dāng)變化量大于設(shè)定的閾值后,這判斷該信標(biāo)節(jié)點(diǎn)不可信,閾值通過(guò)實(shí)驗(yàn)得出。

表2 RLV算法

4 仿真結(jié)果與性能分析

在仿真中,假設(shè)N個(gè)節(jié)點(diǎn)隨機(jī)的分布在L×L的隨機(jī)區(qū)域內(nèi),其中信標(biāo)節(jié)點(diǎn)的個(gè)數(shù)為節(jié)點(diǎn)總數(shù)的10%,節(jié)點(diǎn)通信半徑R,基于RSSI值測(cè)距最大誤差為30%×R,節(jié)點(diǎn)漂移距離為md,每個(gè)節(jié)點(diǎn)最大的移動(dòng)距離為MD。評(píng)估探測(cè)效果的標(biāo)準(zhǔn)為成功率Rs和誤判率Re,定義如下,B表示信標(biāo)節(jié)點(diǎn),BM表示不可信的信標(biāo)節(jié)點(diǎn),BDM表示使用RLV算法探測(cè)出不可信的信標(biāo)節(jié)點(diǎn)。

(8)

(9)

在下面仿真中,沒(méi)有進(jìn)行特別說(shuō)明時(shí),網(wǎng)絡(luò)模型參數(shù)為N=150,L=200,R=50,MD=40。通過(guò)自身對(duì)比和已有算法進(jìn)行比較來(lái)驗(yàn)證算法的可行性。

4.1 閾值的選取

RLV算法是通過(guò)信標(biāo)節(jié)點(diǎn)相隔一段時(shí)間內(nèi)的信譽(yù)值變化來(lái)解決,且只有當(dāng)信標(biāo)漂移距離md>20%×R時(shí),才判定它不可信,所以選取合理的閾值非常關(guān)鍵。根據(jù)多次實(shí)驗(yàn)觀察,該閾值的范圍在0.04左右,選取在0.04附近的值進(jìn)行仿真,選取合適的閾值,仿真中,迭代次數(shù)k=2。

圖4 閾值對(duì)RLV算法的影響

從圖4可以看出,隨著閾值的減小,算法的探測(cè)率在不斷的上升,但同樣地誤判率也在不斷的上升中。閾值越小,對(duì)節(jié)點(diǎn)信譽(yù)值的變化越敏感,容易將漂移距離較小的信標(biāo)節(jié)點(diǎn)誤判。從圖4可以看出閾值為0.035時(shí),探測(cè)率在95%左右,并且誤判率在10%左右,綜合效果較好,在后面的實(shí)驗(yàn)中采用該閾值作為標(biāo)準(zhǔn)。

4.2 迭代次數(shù)影響

在本小節(jié)中,研究不同的迭代次數(shù)k對(duì)RLV算法執(zhí)行效果的影響。在仿真中,節(jié)點(diǎn)偏移總數(shù)從10到50,圖5反映了測(cè)試結(jié)果。從圖5可以觀察到k=1時(shí),RLV算法有很高的探測(cè)成功率,基本維持在95%左右,但同時(shí)誤判率較高。因?yàn)樵谒惴ㄖ?k=1的情況下,鄰居節(jié)點(diǎn)的直接信任度評(píng)價(jià)沒(méi)有根據(jù)節(jié)點(diǎn)信譽(yù)度進(jìn)行調(diào)整,所以節(jié)點(diǎn)信譽(yù)值變化幅度較大,容易進(jìn)行誤判。與k=1比較,k=2和k=3的探測(cè)成功率基本維持在90%以上,并且隨著迭代次數(shù)的增加,誤判率也隨之下降。從圖中可知,當(dāng)?shù)螖?shù)增多時(shí),算法執(zhí)行效果并沒(méi)有顯著的提高,但有更高的通信和計(jì)算負(fù)擔(dān)。因此在之后的仿真中,采用迭代次數(shù)為2進(jìn)行仿真。

圖5 迭代次數(shù)對(duì)RLV算法的影響

4.3 普通節(jié)點(diǎn)漂移對(duì)算法的影響

在本節(jié)中,設(shè)置了移動(dòng)節(jié)點(diǎn)數(shù)M分別為20、30和40情況下,漂移錨節(jié)點(diǎn)個(gè)數(shù)占漂移節(jié)點(diǎn)個(gè)數(shù)的比值變化,通過(guò)探測(cè)率和誤判率的比較來(lái)反映普通節(jié)點(diǎn)發(fā)生漂移對(duì)算法的影響。

從圖5中可以看出,隨著漂移節(jié)點(diǎn)的增多,誤判率也隨之上升,原因在于本身網(wǎng)絡(luò)中錨節(jié)點(diǎn)相對(duì)較少,出現(xiàn)漂移時(shí)普通節(jié)點(diǎn)發(fā)生偏移的概率要遠(yuǎn)遠(yuǎn)大于錨節(jié)點(diǎn),在大量普通節(jié)點(diǎn)發(fā)生漂移的情況下,對(duì)錨節(jié)點(diǎn)的誤判率就顯著的上升,本節(jié)主要探究普通節(jié)點(diǎn)漂移對(duì)算法的影響。

仿真結(jié)果如圖6所示,錨節(jié)點(diǎn)在漂移節(jié)點(diǎn)中所占比值越小,普通節(jié)點(diǎn)漂移較多對(duì)錨節(jié)點(diǎn)的探查成功率影響較小,但對(duì)誤判率的影響很大,算法的誤判率明顯較高,并且隨著移動(dòng)節(jié)點(diǎn)增多,節(jié)點(diǎn)誤判率也隨之上升。當(dāng)錨節(jié)點(diǎn)所占比值較少時(shí),雖然誤判率較大,但實(shí)際上誤判節(jié)點(diǎn)個(gè)數(shù)其實(shí)也很少,而當(dāng)錨節(jié)點(diǎn)漂移較多時(shí),誤判率非常低,所以誤判的個(gè)數(shù)也較少,總結(jié)來(lái)說(shuō),普通節(jié)點(diǎn)漂移個(gè)數(shù)對(duì)RLV的影響比較小,算法魯棒性較好。

圖6 普通節(jié)點(diǎn)漂移對(duì)RLV算法的影響

4.4 錨節(jié)點(diǎn)比重對(duì)算法影響

為探究錨節(jié)點(diǎn)數(shù)量對(duì)于RLV算法性能的影響,仿真中改變錨節(jié)點(diǎn)占節(jié)點(diǎn)總數(shù)的比值,通過(guò)探測(cè)率和誤判率來(lái)討論該影響。如圖7所示,可以看出隨著錨節(jié)點(diǎn)的比重增加,節(jié)點(diǎn)的探測(cè)率由上升趨勢(shì)但并不沒(méi)有顯著的增加,而誤判率并沒(méi)有明顯的變化。因此RLV算法對(duì)錨節(jié)點(diǎn)的比重的依賴性較少,可以在錨節(jié)點(diǎn)稀疏的網(wǎng)絡(luò)中探測(cè)出不可信節(jié)點(diǎn),相比較與文獻(xiàn)[21]中,通過(guò)錨節(jié)點(diǎn)之間的鄰居評(píng)估來(lái)探測(cè)出錨節(jié)點(diǎn)的可信度,然后使用可信錨節(jié)點(diǎn)進(jìn)行定位或重定位,RLV算法更加有普適性。

圖7 錨節(jié)點(diǎn)比重對(duì)RLV算法的影響

4.5 算法比較

文獻(xiàn)[13]提出了一種分布式的基于RSSI變化的鄰居節(jié)點(diǎn)評(píng)分機(jī)制,來(lái)識(shí)別位置被動(dòng)改變的信標(biāo)節(jié)點(diǎn),稱之為DBD算法。DBD算法和RLV算法比較中,假設(shè)N=100,L=100,R=40,MD=30,其中DBD算法100個(gè)節(jié)點(diǎn)都為錨節(jié)點(diǎn),RLV算法中100個(gè)節(jié)點(diǎn)分別為30個(gè)錨節(jié)點(diǎn)和70個(gè)普通節(jié)點(diǎn)。為了合理比較兩種算法,假設(shè)只有錨節(jié)點(diǎn)發(fā)生偏移,漂移個(gè)數(shù)M從1變化到30。

圖8中可以看出,RLV算法在引入普通節(jié)點(diǎn)的情況下,如果僅只有錨節(jié)點(diǎn)出現(xiàn)的時(shí)候的探測(cè)基本在95%以上,遠(yuǎn)遠(yuǎn)高于通過(guò)錨節(jié)點(diǎn)來(lái)進(jìn)行探測(cè)DBD算法,且誤判率基本相同。RLV算法具有高的探測(cè)率且適用范圍更廣。

圖8 RLV算法和DBD算法比較

圖9 RLV算法和GFT算法比較

文獻(xiàn)[12]中,提出了一種集中式基于信譽(yù)機(jī)制的算法驗(yàn)證節(jié)點(diǎn)是否為惡意錨節(jié)點(diǎn),稱為GFT算法。仿真比較中,假設(shè)L=300,N=600,R=20,錨節(jié)點(diǎn)個(gè)數(shù)為60,普通節(jié)點(diǎn)的定位誤差隨高斯分布,其中均值和標(biāo)準(zhǔn)差都為10,范圍為(0,20),比較不同的異常度(AD),即當(dāng)節(jié)點(diǎn)廣播的位置和實(shí)際的位置超過(guò)該異常度時(shí),則判定為惡意節(jié)點(diǎn)。因?yàn)橹挥绣^節(jié)點(diǎn)才有可能被捕獲成為惡意節(jié)點(diǎn),所以隨機(jī)選擇p%的錨節(jié)點(diǎn)作為惡意節(jié)點(diǎn)。從圖9可知,RLV算法相比與GFT算法,探測(cè)效果更佳顯著,并且對(duì)信標(biāo)節(jié)點(diǎn)異常度更加敏感。

通過(guò)上述算法比較,驗(yàn)證了RLV算法在探測(cè)漂移信標(biāo)節(jié)點(diǎn)和惡意信標(biāo)節(jié)點(diǎn)方面,表現(xiàn)出不錯(cuò)的性能,且適用性更加廣泛。

6 結(jié)論

在WSN測(cè)距定位過(guò)程中,節(jié)點(diǎn)位置發(fā)生漂移或者在惡意環(huán)境中被捕獲后成為惡意節(jié)點(diǎn),所提供的位置參考信息與其真實(shí)位置不符,會(huì)影響到整個(gè)網(wǎng)絡(luò)的服務(wù)質(zhì)量。當(dāng)識(shí)別到自身發(fā)生位置偏移后,普通節(jié)點(diǎn)可以通過(guò)重定位解決該問(wèn)題,問(wèn)題的關(guān)鍵在于識(shí)別出不可信的錨節(jié)點(diǎn)。本文提出的基于信譽(yù)模型的分布式輕量級(jí)節(jié)點(diǎn)位置驗(yàn)證方法,通過(guò)綜合普通節(jié)點(diǎn)和錨節(jié)點(diǎn)的相對(duì)位置觀測(cè)結(jié)果,充分考慮不同類型節(jié)點(diǎn)的觀測(cè)可靠度,利用信譽(yù)指標(biāo)識(shí)別發(fā)生漂移的普通節(jié)點(diǎn)和不可信的錨節(jié)點(diǎn)。仿真實(shí)驗(yàn)表明,算法具有極高的探測(cè)成功率,并且適合用于錨節(jié)點(diǎn)稀疏的WSN中,相比較與其他只通過(guò)信標(biāo)節(jié)點(diǎn)作為判斷依據(jù)的算法,更有普遍的適用性。未來(lái)的工作方向?qū)⒓性?①對(duì)本文提出的信譽(yù)模型進(jìn)行擴(kuò)展和補(bǔ)充,使其同時(shí)適用于非測(cè)距的定位場(chǎng)景;②在識(shí)別出不可信錨節(jié)點(diǎn)后如何進(jìn)行高精度的節(jié)點(diǎn)重定位。

[1] Akyildiz F,Su W,Sankarasubramaniam Y,et al. Wireless Sensor Networks:A Survey[J]. Computer Networks,2002,38(4):393-422.

[2] Jang W S,Lee D E,Choi J H. Ad-Hoc Performance of Wireless Sensor Network for Large Scale Civil and Construction Engineering Applications[J]. Automation in Construction,2012,26(10):32-45.

[3] Safa H. A Novel Localization Algorithm for Large Scale Wireless Sensor Networks[J]. Computer Communications,2014,45:32-46.

[4] Zhong S,Jadliwala M,Upadhyaya S,et al. Towards a Theory of Robust Localization Against Malicious Beacon Nodes[C]//INFOCOM,2008:2065-2073.

[5] Hwang J,He T,Kim Y. Detecting Phantom Nodes in Wireless Sensor Networks[C]//INFOCOM,2007:2391-2395.

[6] Liu D,Lee M C,Wu D. A Node-to-Node Location Verification Method[J]. Industrial Electronics,IEEE Transactions on,2010,57(5):1526-1537.

[7] He D,Cui L,Huang H,et al. Design and Verification of Enhanced Secure Localization Scheme in Wireless Sensor Networks[J]. Parallel and Distributed Systems,IEEE Transactions on,2009,20(7):1050-1058.

[8] Kuo S P,Kuo H J,Tseng Y C. The Beacon Movement Detection Problem in Wireless Sensor Networks for Localization Applications[J]. IEEE Transactions on Mobile Computing,2009,8(10):1326-1338.

[9] Yang Z,Jian L,Wu C,et al. Beyond Triangle Inequality:Sifting Noisy and Outlier Distance Measurements for Localization[J]. ACM Transactions on Sensor Networks(TOSN),2013,9(2):26.

[10] Yang Z,Wu C,Chen T,et al. Detecting Outlier Measurements Based on Graph Rigidity for Wireless Sensor Network Localization[J]. Vehicular Technology,IEEE Transactions on,2013,62(1):374-383.

[11] Garg R,Varna A L,Wu M. An Efficient Gradient Descent Approach to Secure Localization in Resource Constrained Wireless Sensor Networks[J]. Information Forensics and Security,IEEE Transactions on,2012,7(2):717-730.

[12] Wei Y,Guan Y. Lightweight Location Verification Algorithms for Wireless Sensor Networks[J]. Parallel and Distributed Systems,IEEE Transactions on,2013,24(5):938-950.

[13] Xia M,Sun P,Wang X,et al. Distributed Beacon Drifting Detection for Localization in Unstable Environments[J]. Mathematical Problems in Engineering,2013.

[14] Ganeriwal S,Balzano L K,Srivastava M B. Reputation-Based Framework for High Integrity Sensor Networks[J]. ACM Transactions on Sensor Networks(TOSN),2008,4(3):15.

[15] Sicari S,Coen-Porisini A,Riggio R. DARE:Evaluating Data Accuracy Using Node REputation[J]. Computer Networks,2013,57(15):3098-3111.

[16] 崔慧,潘巨龍,閆丹丹. 無(wú)線傳感器網(wǎng)絡(luò)中基于安全數(shù)據(jù)融合的惡意節(jié)點(diǎn)檢查[J]. 傳感技術(shù)學(xué)報(bào),2014,27(5):664-669.

[17] Moati N,Otrok H,Mourad A,et al. Reputation-Based Cooperative Detection Model of Selfish Nodes in Cluster-Based QoS-OLSR Protocol[J]. Wireless Personal Communications,2014,75(3):1747-1768.

[18] 游林,楊露,袁猷南. WSN中一種防御廣播認(rèn)證中的DoS攻擊策略[J]. 傳感技術(shù)學(xué)報(bào),2011,24(11):1617-1624.

[19] Srinivasan A,Teitelbaum J,Wu J. DRBTS:Distributed Reputation-Based Beacon Trust System[C]//Dependable,Autonomic and Secure Computing,2nd IEEE International Symposium on.IEEE,2006:277-283.

[20] 凌遠(yuǎn)景,葉阿勇,許力. 基于聲譽(yù)機(jī)制的傳感器網(wǎng)絡(luò)節(jié)點(diǎn)安全定位算法[J]. 計(jì)算機(jī)應(yīng)用,2012,32(1):70-73.

[21] He J,Xu J,Zhu X,et al. Reputation-Based Secure Sensor Localization in Wireless Sensor Networks[J]. TheScientific World Journal,2014,Article ID:308341.

[22] Jiang J A,Zheng X Y,Chen Y F,et al. A Distributed RSS-Based Localization Using a Dynamic Circle Expanding Mechanism[J]. Sensors Journal,IEEE,2013,13(10):3754-3766.

[23] Alfaro J G,Barbeau M,Kranakis E. Secure Localization of Nodes in Wireless Sensor Networks with Limited Number of Truth Tellers[C]//Communication Networks and Services Research Conference,2009. CNSR’09. Seventh Annual. IEEE,2009:86-93.

毛科技(1979-),男,漢族,浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院講師,博士,主要研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò),數(shù)據(jù)挖掘,maokeji@zjut.edu.cn;

金洪波(1991-),男,漢族,浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院碩士研究生,主要研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò),le_blanc@126.com;

陳慶章(1955-),男,漢族,浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授,博士,主要研究方向:無(wú)線傳感器網(wǎng)絡(luò),協(xié)同計(jì)算,數(shù)據(jù)挖掘,通信作者,qzchen@zjut.edu.cn。

Sensor Location Verification Scheme in WSN*

MAOKeji1,JINHongbo1,MIAOChunyu1,2,WUJinbin1,LEIYanjing1,CHENQingzhang1*

(1.College of Computer Science and Technology,Zhejiang University of Technology,Hangzhou 310014,China;2.College of XingZhi,Zhejiang Normal University,Hangzhou 321004,China)

Locations of sensor nodes are an important contextfor the sensed data. Self-localization isone of the most essential technologies in WSNs. Since most current sensor localization schemesrely on location information that is provided by beacon nodes,reliability of the locations provided by beacon nodes becomes criticaltothe quality of networkservice. Beacons drifting and malicious beacons lead to decline accuracy of sensor localization. A lightweight and distributedReputationbasedLocationVerificationscheme(RLV)is proposed. In our proposed scheme,we can identify unreliable beacons by establishing a comprehensivereputationmodel based on mutual observations of sensor nodes. Extensive simulation results show that the reputation model can reflect the accuracy of nodes position authentically. And RLV can detect more than 95% of unreliable beacons.

WSNs;reliable location;reputationmodel;beacons drifting;malicious beacons

項(xiàng)目來(lái)源:國(guó)家自然科學(xué)基金項(xiàng)目(61379023);浙江省公益性技術(shù)應(yīng)用研究計(jì)劃項(xiàng)目(2015C31066);浙江省計(jì)算機(jī)科學(xué)與技術(shù)重中之重學(xué)科(浙江師范大學(xué))資助課題(ZC323014074);浙江省自然科學(xué)基金項(xiàng)目(LQ12F02015)

2015-01-29 修改日期:2015-04-20

C:7230

10.3969/j.issn.1004-1699.2015.06.013

TP393

A

1004-1699(2015)06-0850-08