基于節(jié)點(diǎn)交互距離與物理距離的WSN信任模型

譚敏生 吳冕 王舒 丁琳 夏石瑩

摘要：針對現(xiàn)有WSN信任模型沒有考慮節(jié)點(diǎn)交互距離影響推薦信任和節(jié)點(diǎn)物理距離影響能量消耗的問題，提出了基于節(jié)點(diǎn)交互距離的推薦信任度和基于物理距離的能量信任度計算方法，及與行為信任度、能量信任度進(jìn)行信任融合的方法。引入簇頭結(jié)點(diǎn)更新算法保證了每個時間片最高信任度節(jié)點(diǎn)是簇頭節(jié)點(diǎn)。實(shí)驗(yàn)表明：基于節(jié)點(diǎn)交互距離與物理距離的WSN信任模型及算法提高了節(jié)點(diǎn)間的交互成功率和交互穩(wěn)定性，降低了交互時延波動率，模型穩(wěn)定性有明顯提高。

關(guān)鍵詞：信任模型;交互距離;交互成功率;交互時延;WSN

中圖分類號：TP301

文獻(xiàn)標(biāo)識碼：A

隨著物聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展，無線傳感器網(wǎng)絡(luò)（ Wireless Sensor Network，WSN）作為感知層最重要的技術(shù)之一，其安全問題也得到了深入的研究[1]。傳統(tǒng)的安全認(rèn)證技術(shù)復(fù)雜度高，不適合資源有限的無線傳感網(wǎng)絡(luò)，所以計算復(fù)雜度更低、能量消耗更低的信任模型可以有效提高WSN的安全性。信任模型通過定時更新節(jié)點(diǎn)信任度的方式可以分析并標(biāo)記[2]出惡意節(jié)點(diǎn)和能量較低的節(jié)點(diǎn)。

1996年，M.Blaze等人提出了無線傳感器網(wǎng)絡(luò)PolicyMaker信任模型的概念[3]，促進(jìn)了網(wǎng)絡(luò)服安全的發(fā)展。但當(dāng)時其研究并未受到重視，直到21世紀(jì)更多的研究人員才意識到WSN信任模型的重要性，ExDSTM模型[4]、TRANS模型[5]、TDLS模型[6]等靜態(tài)信任模型接連被提出，這些模型考慮到了直接信任和間接信任對節(jié)點(diǎn)信任度的影響，但因?yàn)闆]考慮簇頭節(jié)點(diǎn)更新，在簇頭節(jié)點(diǎn)信任度低時易引發(fā)WSN癱瘓問題。DAT模型[7]、ABT模型[8]、VOTVT模型[9]、AEMP模Jc2]等信任模型都能保證部分節(jié)點(diǎn)信任計算準(zhǔn)確度，但沒有考慮物理距離引起的節(jié)點(diǎn)能量消耗對能量信任的影響和節(jié)點(diǎn)拓?fù)潢P(guān)系對推薦信任影響，不適合無線傳感網(wǎng)絡(luò)長期使用。

ISTP6的研究項(xiàng)目UBISEC中提出了用于無線傳感網(wǎng)絡(luò)的P-TM動態(tài)信任模型[10-12]。信任度通過直接信任、推薦信任[13]、能力信任加權(quán)融合，本模型只適用于能量消耗水平較低的情況。P-TM在直接信任計算中采用節(jié)點(diǎn)直接判斷來建立信任關(guān)系，不需要通過第三方。計算推薦信任時，通過收到的其他節(jié)點(diǎn)的推薦信息決定是否做出響應(yīng)。當(dāng)收到多個推薦信息時，用加權(quán)平均值做決策依據(jù)。但P-TM模型也沒解決信任度過低的簇頭節(jié)點(diǎn)引起的WSN癱瘓問題和節(jié)點(diǎn)拓?fù)潢P(guān)系對推薦信任的影響。

1 WSN信任模型基本結(jié)構(gòu)及工作原理

基于節(jié)點(diǎn)交互距離與物理距離的無線傳感器網(wǎng)絡(luò)信任模型（ D-TM，trust model based on node in-teractive distance and physics distance）主要由簇頭選擇、簇內(nèi)節(jié)點(diǎn)更新、信任度計算與融合、信任決策構(gòu)成（圖1所示）。該模型將地點(diǎn)作為原型，距離為半徑，此范圍內(nèi)的節(jié)點(diǎn)均受簇頭節(jié)點(diǎn)管轄。當(dāng)節(jié)點(diǎn)開始交互或達(dá)到時間閥值時，簇頭節(jié)點(diǎn)更新算法執(zhí)行并推薦出新的簇頭節(jié)點(diǎn)，然后廣播簇頭節(jié)點(diǎn)信息。

當(dāng)簇內(nèi)某個節(jié)點(diǎn)A向另一節(jié)點(diǎn)B發(fā)出交互請求時，節(jié)點(diǎn)B會響應(yīng)節(jié)點(diǎn)A的請求，先判斷節(jié)點(diǎn)A是否為本簇節(jié)點(diǎn)，再判斷是否為能量較低節(jié)點(diǎn)。如果節(jié)點(diǎn)A是簇內(nèi)節(jié)點(diǎn)且不是低能量節(jié)點(diǎn)，通過獲取本簇其他節(jié)點(diǎn)相關(guān)信任信息，節(jié)點(diǎn)B計算出兩節(jié)點(diǎn)之間的能量信任、能力信任、推薦信任和行為信任，經(jīng)信任融合得出節(jié)點(diǎn)B的綜合信任度。最后信任決策將判斷結(jié)果傳給簇頭節(jié)點(diǎn)。

2 信任度計算方法

2.1 基于節(jié)點(diǎn)物理距離的能量信任度

無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)主要依靠電池供電，單個節(jié)點(diǎn)的生命期與整個網(wǎng)絡(luò)的生命期息息相關(guān)。當(dāng)節(jié)點(diǎn)A發(fā)送單位比特的信息到物理距離為的節(jié)點(diǎn)B時，節(jié)點(diǎn)能量消耗為：

當(dāng)節(jié)點(diǎn)A向節(jié)點(diǎn)B發(fā)出交互請求時，節(jié)點(diǎn)B先計算節(jié)點(diǎn)A的能量信任度，若A的能量信任度小于閥值，則拒絕與A交互數(shù)據(jù)。節(jié)點(diǎn)A被直接設(shè)為低能量節(jié)點(diǎn)，交互請求不再被接受。

2.2 基于節(jié)點(diǎn)交互距離的推薦信任度

推薦信任度是綜合信任度的核心之一，在無線傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)可能頻繁移動，為了和陌生節(jié)點(diǎn)交互就要用到推薦信任度。

每個節(jié)點(diǎn)設(shè)置一個次數(shù)閥值，當(dāng)兩節(jié)點(diǎn)已成功交互H次時，不用參考推薦信任度。

計算圖3中簇內(nèi)節(jié)點(diǎn)g和f的交互距離，首先分析節(jié)點(diǎn)g到根節(jié)點(diǎn)經(jīng)過的節(jié)點(diǎn)組成集合Qi，節(jié)點(diǎn)f到根節(jié)點(diǎn)經(jīng)過的節(jié)點(diǎn)組成集合Q2，然后可知兩個集合交集為Q3。交互距離計算公式如下：

2.4 行為信任度

行為信任度[14]根據(jù)信任成功次數(shù)來計算，對沒有交互歷史的行為信任度初始值設(shè)為中間值0.5，隨著交互的累積，行為信任度將更新，更新方法為： 有歷史交互行為的節(jié)點(diǎn)，計算行為信任度主要依據(jù)交互成功次數(shù);沒有歷史交互行為的節(jié)點(diǎn)，行為信任度初始值設(shè)為0.5，隨著新的交互行為產(chǎn)生，行為信任度更新為：

其中ξ+ψ+ζ=1，ξ，ψ，ζ∈（0，1），S是簇內(nèi)節(jié)點(diǎn)標(biāo)識，A為能力信任度，B為行為信任度，R為推薦信任度，M表示惡意節(jié)點(diǎn)，E表示能量消耗。

D-TM信任模型將綜合信任度F與信任閥值比較，然后做出信任決策。當(dāng)綜合信任值小于信任閥值時，節(jié)點(diǎn)B拒絕與節(jié)點(diǎn)A交互，然后檢查A是否為非簇內(nèi)節(jié)點(diǎn)或低能量節(jié)點(diǎn)，若為非簇內(nèi)節(jié)點(diǎn)或低能量節(jié)，則將節(jié)點(diǎn)A的簇內(nèi)節(jié)點(diǎn)和低能量標(biāo)識置為0。當(dāng)綜合信任度大于等于信任閥值時，節(jié)點(diǎn)B與交互節(jié)點(diǎn)A，節(jié)點(diǎn)A向節(jié)點(diǎn)B發(fā)送交互信息。完成交互的節(jié)點(diǎn)將決策結(jié)果發(fā)送給簇頭結(jié)點(diǎn)儲存。

3 簇頭節(jié)點(diǎn)更新算法

D -TM信任模型使用簇頭結(jié)點(diǎn)更新算法（CHUA，Cluster Head Updating Algorithm）實(shí)現(xiàn)簇頭節(jié)點(diǎn)的更新及備選簇頭節(jié)點(diǎn)的歸類。

從節(jié)點(diǎn)開始交互后每過一個時間閥值該算法中的節(jié)點(diǎn)就會重新計算節(jié)點(diǎn)信任度并更新簇頭結(jié)點(diǎn)。首先根據(jù)本簇標(biāo)志信息將惡意節(jié)點(diǎn)和非本簇節(jié)點(diǎn)標(biāo)記并排除。如果是本簇正常節(jié)點(diǎn)，則根據(jù)節(jié)點(diǎn)當(dāng)前時間段的交互記錄，通過信任融合公式計算出綜合信任度，未到達(dá)時間閥值時，只更新自己的綜合信任度，到達(dá)時間閥值時，該簇內(nèi)節(jié)點(diǎn)將更新過的綜合信任度交給簇頭節(jié)點(diǎn)并與簇頭節(jié)點(diǎn)信任度比較。如果該節(jié)點(diǎn)信任度大于其他簇內(nèi)節(jié)點(diǎn)的信任度，且大于簇頭節(jié)點(diǎn)信任度，則當(dāng)前節(jié)點(diǎn)成為新的簇頭節(jié)點(diǎn)，并在簇內(nèi)廣播新簇頭節(jié)點(diǎn)信息;如果該節(jié)點(diǎn)信任度小于當(dāng)前簇頭節(jié)點(diǎn)信任度，則該節(jié)點(diǎn)歸類為備選簇頭節(jié)點(diǎn)。到下一個時間閥值時，先讓備選簇頭節(jié)點(diǎn)與簇頭節(jié)點(diǎn)比較信任度，若備選簇頭節(jié)點(diǎn)信任度大，則更新簇頭節(jié)點(diǎn)，否則繼續(xù)歸為備選簇頭節(jié)點(diǎn)。算法流程圖如圖4所示。

4 實(shí)驗(yàn)及結(jié)果分析

4.1 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)首先假設(shè)每個節(jié)點(diǎn)的初始條件相同，每個簇有20個簇內(nèi)節(jié)點(diǎn)，簇內(nèi)節(jié)點(diǎn)之間隨機(jī)選取其他節(jié)點(diǎn)進(jìn)行數(shù)據(jù)交互，記為一個任務(wù)。將要執(zhí)行交互的節(jié)點(diǎn)，通過P-TM模型和D-TM模型分別進(jìn)行信任計算，保存信任值并決定是否響應(yīng)交互請求。共進(jìn)行10組實(shí)驗(yàn)，每組執(zhí)行1500個任務(wù)。最后通過實(shí)驗(yàn)數(shù)據(jù)比較兩個信任模型的性能。

實(shí)驗(yàn)中利用信任融合計算綜合信任度時，能力信任度、行為信任度、推薦信任度權(quán)值分別設(shè)為：0.3、0.3、0.4，與P-TM模型的權(quán)值相同。數(shù)據(jù)包的長度統(tǒng)一設(shè)為8000bit。仿真實(shí)驗(yàn)參數(shù)如表1所示。

4.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)共產(chǎn)生15000條記錄，包括兩種信任模型外在條件相同的情況下不產(chǎn)生的同實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)結(jié)果如表2所示（限于篇幅，從每組數(shù)據(jù)中挑兩條記錄）。

D-TM在15000次交互中成功了9855次，P-TM在15000次交互中成功了8190次。P-TM成功率為54.6%，D-TM模型成功率為65.7%，比P-TM模型高出了11.1%。D-TM、P-TM兩模型平均交互時延分別為：0.398和0.387，D-TM比P-TM高2.84%。

將10組數(shù)據(jù)用Origin8.0進(jìn)行擬合，結(jié)果如圖5、圖6所示。

圖5計算得交互成功波動率：D-TM模型是3.23%，P-TM模型是11.70%，實(shí)驗(yàn)分析表明D-TM不僅交互成功率更高，穩(wěn)定性也明顯優(yōu)于P-TM。圖6計算得交互時延波動率：P-TM是6.11%，D-TM是2.08%。綜上所述，雖然P-TM模型交互時延優(yōu)于D-TM模型，但D-TM模型穩(wěn)定性較好。

5 結(jié)論

信任模型計算復(fù)雜度與能量消耗較低，保證了交互時延的穩(wěn)定性，提高了WSN節(jié)點(diǎn)交互的成功率，從而維護(hù)了網(wǎng)絡(luò)環(huán)境的安全。解決了現(xiàn)有的信任模型由于缺少距離維度、節(jié)點(diǎn)信任度更新以及定時簇頭節(jié)點(diǎn)更新難以滿足WSN需求的問題。

D -TM信任模型參考了物理距離引起的節(jié)點(diǎn)能量消耗對能量信任的影響和節(jié)點(diǎn)拓?fù)潢P(guān)系對推薦信任的影響，引入簇頭節(jié)點(diǎn)更新算法保證每個時間閥值信任度最高的節(jié)點(diǎn)都是簇頭節(jié)點(diǎn)，從而解決因簇頭節(jié)點(diǎn)信任度低導(dǎo)致的WSN癱瘓問題。本模型較好地描述了WSN節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)及節(jié)點(diǎn)分布對信任的影響，較好提高了節(jié)點(diǎn)交互成功率及成功率穩(wěn)定性，降低了交互時延波動性。在需要保證長期穩(wěn)定、高可信的WSN中有較高的實(shí)用價值。

參考文獻(xiàn)

[1] CHEN Y，YAN L.Research on WSN security system based oncongruence theory[J].Operations Research， 2015， 04（03）：204- 212.

[2] CU X，QIU J，WANG J. Research on trust model of sensor nodesin WSNs[ J ]. Procedia Engineering， 2012 ， 29 （4） ： 909-913.

[3] COLE J， MILOSEVIC Z， Raymond K. Decentralized trust manage-ment[M]. Springer US，2011.

[4]JIANG L， XU J， ZHANG K， et al. A new evidential trust model foropen distributed systems [J]. Expert Systems with Applications，2012， 39（ 3）：3772-3782.

[5]LABRAOUI N， CUEROUI M， SEKHRI L. A risk-aware reputa-tion -based trust management in wireless sensor networks [J].Wireless Personal Communications ， 2016 ， 87（3）：1037-1055.

[6]?？?，王懷民，尹剛. DyTrust：一種 P2P系統(tǒng)中基于時間幀的動態(tài)信：任模型[J]. 計算機(jī)學(xué)報，2006，29（8）：1301-1307

[7]CHEN H，WU H，ZHOU X，et al. Agent -based trust model inwireless sensor networks [ C ]// Eighth Acis Intemational Confer-ence on Software Engineering，Artificial Intelligence，Network-ing ， and Parallel/distributed Computing. IEEE ， 2007： 119-124.

[8]ARYEE S. Trust as a mediator of the relationship between organi-zational justice and work outcomes： test of a social exchange mod-el[J]. Journal of Organizational Behavior， 2002 ， 23（3） ：267-285.

[9] JAMEEL H，LE X H，KALIM U， et al. A trust model for ubiqui-tous systems based on vectors of trust values [C ]//2013 IEEE In-ternational Symposium on Multimedia. IEEE Computer Society，2005 ：674-679.

[10]HAN G， JIANC J， SHU L， et al. Management and applications oftrust in wireless sensor networks： a survey [J]. Journal of Com-puter & System Sciences， 2014 ， 80（ 3 ）：602-617.

[11] DUAN J，YANC D，ZHU H，et al. TSRF： a trust-aware securerouting framework in wireless sensor networks [J]. InternationalJournal of Distributed Sensor Networks， 2014， 2014（3） ：1-14.

[12]CROSBY G V， HESTER L， Pissinou N. Location -aware ， trust -based detection and isolation of compromised nodes in wirelesssensor networks. [J]. International Joumal of Network Security，2009 ， 12（ 2） ：107-117.

[13] SETHURAMAN P， KANNAN N. Refined trust energy-ad hoc ondemand distance vector （ ReTE-AODV） routing algorithm for se-cured routing in MANET [J]. Wireless Networks， 2016， 23 （7）： 1-11.

[14] ASHWIN M，KAMALRAJ S，AZATH M. Weighted clusteringtrust model for mobile ad hoc networks [J]. Wireless PersonalCommunic ations ， 2017 ， 94（4） ：2203-2212.

[15] FENG J，ZHANG M，XIAO Y， et al. Securing cooperative spec-trum sensing against collusive SSDF attack using XOR distanceanalysis in cognitive radio networks[J]. Sensors， 2018， 18（2） ： 370.