WSNs中基于節(jié)點(diǎn)信任度的機(jī)會(huì)路由算法

杜可怡 蘇凡軍

摘 要：針對(duì)機(jī)會(huì)路由的候選轉(zhuǎn)發(fā)集中存在惡意節(jié)點(diǎn)導(dǎo)致網(wǎng)絡(luò)性能下降問(wèn)題，提出一種計(jì)算節(jié)點(diǎn)信任度的評(píng)估模型。使用貝葉斯公式計(jì)算節(jié)點(diǎn)的直接信任度，根據(jù)節(jié)點(diǎn)的代數(shù)連通度得到間接信任度，利用信息熵的概念得到綜合信任度。為高效辨別出候選轉(zhuǎn)發(fā)集中的惡意節(jié)點(diǎn)，預(yù)先設(shè)定信任度閾值[β]。提出一種基于節(jié)點(diǎn)信任度的機(jī)會(huì)路由算法TBOR。TBOR利用信任模型初始化候選集中每個(gè)節(jié)點(diǎn)的綜合信任度，再利用信任度閾值判斷潛在的惡意節(jié)點(diǎn)，并將信任度大于信任度閾值的節(jié)點(diǎn)添加到候選轉(zhuǎn)發(fā)集。實(shí)驗(yàn)結(jié)果表明，TBOR能高效識(shí)別并剔除候選轉(zhuǎn)發(fā)集中的惡意節(jié)點(diǎn)，具有較高的檢測(cè)率，保證了數(shù)據(jù)可靠傳輸。

關(guān)鍵詞：機(jī)會(huì)路由;信任模型;代數(shù)連通度;信任度;無(wú)線傳感器網(wǎng)絡(luò)

DOI：10. 11907/rjdk. 191005

中圖分類號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2019）006-0070-05

Abstract： Aiming at the problem of network performance degradation caused by malicious nodes in the candidate forwarding of opportunistic routing， an evaluation model for computing node trust is proposed. The Bayesian formula is used to calculate the direct trust degree of the node， and the indirect trust degree is obtained according to the algebraic connectivity of the node， and the concept of information entropy is used. In order to efficiently identify malicious nodes in the candidate forwarding set， the trust threshold β is preset. A Node Trust based opportunistic routing in wireless sensor networks （TBOR） is proposed. The TBOR uses the trust model to initialize the comprehensive trust degree of each node in the candidate set， and then uses the trust threshold to determine the potential malicious node， and adds the node with the trust degree greater than the trust threshold to the candidate forwarding set. The experimental results show that TBOR can effectively identify and eliminate malicious nodes in the candidate forwarding set， which has a high detection rate and ensures reliable data transmission.

Key Words： opportunistic routing; trust model; trust; algebraic connectivity; wireless sensor network

0 引言

無(wú)線傳感器網(wǎng)絡(luò)是由布置在檢測(cè)區(qū)域內(nèi)的少量傳感器節(jié)點(diǎn)以自組織和多跳形式形成的無(wú)線網(wǎng)絡(luò)，其主要目標(biāo)是以合作方式對(duì)監(jiān)控區(qū)域進(jìn)行數(shù)據(jù)信息的采集、分析并傳輸?shù)絪ink節(jié)點(diǎn)[1]{Karl，2007 #46;Karl，2007 #46;Karl， 2007 #46}{Karl，2007 #46}，擁有可用于大規(guī)模網(wǎng)絡(luò)環(huán)境、自組織、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可隨時(shí)間動(dòng)態(tài)變化等優(yōu)點(diǎn)。但是由于無(wú)線傳感器節(jié)點(diǎn)容易受到功率、存儲(chǔ)、帶寬和能量等多方面因素影響[2]，使無(wú)線傳感器節(jié)點(diǎn)在開放且復(fù)雜的環(huán)境下極易被俘獲、破壞和攻擊，導(dǎo)致不能有效保證無(wú)線傳感器網(wǎng)絡(luò)中通信節(jié)點(diǎn)之間的安全和數(shù)據(jù)傳輸?shù)臏?zhǔn)確性。

機(jī)會(huì)路由（Opportunistic Routing）概念由Biswas等[3]于2004年在麻省理工學(xué)院（MIT）率先提出。然而，機(jī)會(huì)路由從源節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)到sink節(jié)點(diǎn)的過(guò)程中，按照不同的路由策略，轉(zhuǎn)發(fā)標(biāo)準(zhǔn)從有序的候選轉(zhuǎn)發(fā)集中選擇下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)具有不確定性。因此，很多研究人員將機(jī)會(huì)路由應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)[4]，根據(jù)量綱不同分為網(wǎng)絡(luò)編碼、端到端最短路徑及地理位置等路由策略。其中，EXOR[5]按照節(jié)點(diǎn)的期望傳輸次數(shù)（ETX）對(duì)候選轉(zhuǎn)發(fā)集中的轉(zhuǎn)發(fā)節(jié)點(diǎn)進(jìn)行選擇，并且將無(wú)線信道擁有的廣播數(shù)據(jù)特性巧妙運(yùn)用于無(wú)線傳感器網(wǎng)絡(luò)的機(jī)會(huì)路由中，一定程度上改善了無(wú)線網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)目煽啃院头€(wěn)定性，保證了網(wǎng)絡(luò)中無(wú)線節(jié)點(diǎn)端到端鏈路的吞吐量。EEOR[6]和CBEEOR[7]路由算法考慮了減少網(wǎng)絡(luò)能量消耗問(wèn)題，以是否能夠減少網(wǎng)絡(luò)能量消耗為衡量標(biāo)準(zhǔn)選擇下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)。ROR[8]不僅考慮了無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)能量的消耗，而且將節(jié)點(diǎn)到sink節(jié)點(diǎn)的距離作為轉(zhuǎn)發(fā)節(jié)點(diǎn)的選擇標(biāo)準(zhǔn)。

網(wǎng)絡(luò)中存在各種影響網(wǎng)絡(luò)安全性因素，導(dǎo)致大多數(shù)機(jī)會(huì)路由[4-11]受到嚴(yán)重影響，例如網(wǎng)絡(luò)中存在的惡意節(jié)點(diǎn)被添加到機(jī)會(huì)路由候選轉(zhuǎn)發(fā)節(jié)點(diǎn)集，惡意節(jié)點(diǎn)選擇傳遞虛假消息給其它鄰居節(jié)點(diǎn)等。因此，為高效且快速地解決機(jī)會(huì)路由安全性問(wèn)題，提出對(duì)網(wǎng)絡(luò)中的路由節(jié)點(diǎn)進(jìn)行信任評(píng)估，建立能考慮多種度量標(biāo)準(zhǔn)綜合計(jì)算節(jié)點(diǎn)信任度的模型，從而有效識(shí)別和判斷候選轉(zhuǎn)發(fā)集中潛在的惡意節(jié)點(diǎn)虛假信息，增強(qiáng)網(wǎng)絡(luò)的穩(wěn)定性和端到端數(shù)據(jù)傳輸?shù)陌踩浴?/p>

Ganeriwal等[12]創(chuàng)新性提出了一種全面性管理網(wǎng)絡(luò)中無(wú)線節(jié)點(diǎn)信任框架（RFSN），并將其應(yīng)用于存在破獲網(wǎng)絡(luò)或傳遞虛假信息的無(wú)線傳感器網(wǎng)絡(luò)環(huán)境中。該框架利用無(wú)線節(jié)點(diǎn)服從信譽(yù)模型的性質(zhì)，采用貝葉斯公式計(jì)算節(jié)點(diǎn)的信任度，利用看門狗機(jī)制檢測(cè)節(jié)點(diǎn)的通信狀態(tài)及行為，將此作為計(jì)算節(jié)點(diǎn)信任值的重要參數(shù)。雖然該框架對(duì)節(jié)點(diǎn)信任度的判斷設(shè)計(jì)較完善，但是需要預(yù)先設(shè)定節(jié)點(diǎn)的信譽(yù)值。Feng等[13]提出一個(gè)可信的基于貝葉斯的信任管理機(jī)制BTMS，該機(jī)制是對(duì)RFSN的一種改進(jìn)，不但能依據(jù)節(jié)點(diǎn)的通信行為對(duì)節(jié)點(diǎn)的信任值進(jìn)行計(jì)算并評(píng)估，而且能利用時(shí)間滑動(dòng)窗口對(duì)信任值進(jìn)行更新。

文獻(xiàn)[14]在機(jī)會(huì)路由中為排除網(wǎng)絡(luò)的惡意節(jié)點(diǎn)建立了一種信任模型，由于可從節(jié)點(diǎn)之間進(jìn)行相互通信搜集到節(jié)點(diǎn)的通信行為，包括源節(jié)點(diǎn)和目的節(jié)點(diǎn)之間數(shù)據(jù)成功通信的次數(shù)和失敗的次數(shù)等，得到節(jié)點(diǎn)的直接信任度和推薦信任度。但直接信任度計(jì)算參數(shù)取值依賴專家經(jīng)驗(yàn)，這不僅會(huì)影響信任模型的客觀性，而且在一定程度上會(huì)破壞節(jié)點(diǎn)信任度的判斷。文獻(xiàn)[15]為了對(duì)候選轉(zhuǎn)發(fā)集中節(jié)點(diǎn)的行為進(jìn)行實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)，采用了一種新的看門狗機(jī)制。雖然將節(jié)點(diǎn)的鏈路投遞率、地理信息和信任值整合作為路由測(cè)度，但信任值計(jì)算并沒有考慮推薦信息，還會(huì)對(duì)信任值評(píng)估產(chǎn)生破壞，影響路由的選擇。Jiang等[16]提出了一種高效信任模型，該方案在計(jì)算節(jié)點(diǎn)直接信任度過(guò)程中，將網(wǎng)絡(luò)節(jié)點(diǎn)傳輸?shù)男畔⑦M(jìn)行信任度評(píng)估，包括轉(zhuǎn)發(fā)節(jié)點(diǎn)和接收節(jié)點(diǎn)的數(shù)據(jù)信任度和通信信任度;由于無(wú)線傳感器節(jié)點(diǎn)自身存儲(chǔ)的能量、計(jì)算性能和存儲(chǔ)性能等有限，所以將節(jié)點(diǎn)的剩余能量和總能量作為評(píng)估信任度參數(shù)，從而綜合各因素得到節(jié)點(diǎn)能量信任度;將3種因數(shù)綜合得到的節(jié)點(diǎn)信任度更加客觀，可以提高網(wǎng)絡(luò)可靠性，使得傳感器節(jié)點(diǎn)更加值得信任，并且推薦信任度對(duì)于信任度評(píng)估起到了不可缺少的作用。文獻(xiàn)[17-19]對(duì)經(jīng)典信任模型進(jìn)行詳細(xì)分析并作出深度總結(jié)，研究了評(píng)估和計(jì)算信任度的方法。

以上大多數(shù)研究都是將節(jié)點(diǎn)之間成功與不成功交互次數(shù)加入到信任模型，聯(lián)合其它評(píng)判標(biāo)準(zhǔn)計(jì)算節(jié)點(diǎn)之間的信任度，但很少考慮節(jié)點(diǎn)之間的連通程度對(duì)節(jié)點(diǎn)信任度評(píng)估的影響。根據(jù)無(wú)線節(jié)點(diǎn)在網(wǎng)絡(luò)環(huán)境下的分布情況和節(jié)點(diǎn)與節(jié)點(diǎn)之間通信的連通情況，按照一定的策略衡量節(jié)點(diǎn)連通度。連通度越好說(shuō)明該節(jié)點(diǎn)與其它鄰居節(jié)點(diǎn)進(jìn)行通信的概率越大，是值得鄰居節(jié)點(diǎn)信任的，是維持網(wǎng)絡(luò)穩(wěn)定和安全通信不可或缺的因素。

針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中怎樣有效而精確衡量和判斷節(jié)點(diǎn)信任度問(wèn)題，本文創(chuàng)新性地提出一種基于節(jié)點(diǎn)信任度的機(jī)會(huì)路由算法。該算法利用貝葉斯公式計(jì)算節(jié)點(diǎn)的直接信任度，并聯(lián)合節(jié)點(diǎn)的連通度評(píng)估間接信任度，通過(guò)信息熵分別為直接信任度和間接信任度進(jìn)行權(quán)值分配并加權(quán)求和，實(shí)現(xiàn)對(duì)節(jié)點(diǎn)綜合信任度的計(jì)算。此外，為高效識(shí)別出候選轉(zhuǎn)發(fā)集中的惡意節(jié)點(diǎn)，設(shè)置了信任度閾值。為了讓節(jié)點(diǎn)信任度更加可靠，在實(shí)驗(yàn)仿真時(shí)設(shè)置時(shí)間周期，對(duì)節(jié)點(diǎn)信任度進(jìn)行周期性更新。

本文將基于節(jié)點(diǎn)信任度的評(píng)估模型與傳統(tǒng)機(jī)會(huì)路由ExOR路由算法相結(jié)合，提出一種基于節(jié)點(diǎn)信任度的機(jī)會(huì)路由算法TBOR（Node Trust Based Opportunistic Routing in Wireless Sensor Networks），并提出該路由算法的關(guān)鍵技術(shù)和偽代碼。使用網(wǎng)絡(luò)仿真軟件NS2進(jìn)行了大量實(shí)驗(yàn)，結(jié)果表明，TBOR能高效識(shí)別并剔除轉(zhuǎn)發(fā)候選集中的惡意節(jié)點(diǎn)，具有較高的檢測(cè)率，從而提高無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)安全性，保證節(jié)點(diǎn)通信可靠性，提高網(wǎng)絡(luò)吞吐量，減少端到端時(shí)延。

1 節(jié)點(diǎn)信任度評(píng)估模型

1.1 直接信任度計(jì)算

2 TBOR路由算法

為實(shí)現(xiàn)對(duì)候選轉(zhuǎn)發(fā)集中存在的惡意節(jié)點(diǎn)進(jìn)行識(shí)別和隔離，更加有效地幫助源節(jié)點(diǎn)選擇安全且可靠的候選轉(zhuǎn)發(fā)節(jié)點(diǎn)，從而確定下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)，本文將建立的信任模型應(yīng)用于傳統(tǒng)的機(jī)會(huì)路由機(jī)制中，提出一種TBOR算法，實(shí)現(xiàn)步驟如下：

（1）根據(jù)每個(gè)節(jié)點(diǎn)到目的節(jié)點(diǎn)的期望傳輸次數(shù)ETX值，對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)進(jìn)行初始化候選轉(zhuǎn)發(fā)集選擇。如果鄰居節(jié)點(diǎn)到目的節(jié)點(diǎn)的ETX值沒有源節(jié)點(diǎn)到目的節(jié)點(diǎn)的ETX值大，則將該節(jié)點(diǎn)加入到初始化候選集;反之，則不將節(jié)點(diǎn)加入到初始化候選集。

（2）首先根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)計(jì)算出初始化候選集節(jié)點(diǎn)的連通度，利用本文提出的計(jì)算節(jié)點(diǎn)信任度方法，初始化候選集中每個(gè)節(jié)點(diǎn)的綜合信任度。在對(duì)綜合信任度評(píng)估的同時(shí)，利用預(yù)先設(shè)定的信任度閾值[β]判斷初始化候選集中潛在的惡意節(jié)點(diǎn)，并將符合條件的節(jié)點(diǎn)添加到候選轉(zhuǎn)發(fā)集。對(duì)候選轉(zhuǎn)發(fā)集中的節(jié)點(diǎn)進(jìn)行優(yōu)先級(jí)分配是基于節(jié)點(diǎn)到目的節(jié)點(diǎn)的ETX值進(jìn)行非遞減順序排列的。節(jié)點(diǎn)的ETX值越小，說(shuō)明節(jié)點(diǎn)在候選轉(zhuǎn)發(fā)集中的位置越靠前，節(jié)點(diǎn)優(yōu)先級(jí)越高，基于優(yōu)先級(jí)的先后順序選擇下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)。

（3）根據(jù)ExOR的協(xié)調(diào)轉(zhuǎn)發(fā)機(jī)制進(jìn)行數(shù)據(jù)包轉(zhuǎn)發(fā)，算法如下：

基于節(jié)點(diǎn)信任度的機(jī)會(huì)路由算法（TBOR）：

輸入：發(fā)送節(jié)點(diǎn)到目的節(jié)點(diǎn)的ETX（s，d），發(fā)送節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)到目的節(jié)點(diǎn)ETX（s，d），如公式（1）～（12）所示，信任度閾值[為β]。

輸出：發(fā)送節(jié)點(diǎn)的下一跳轉(zhuǎn)發(fā)候選集candSet（s，d）

begin

candSet（s，d）[←？]

if s==d then

return

end if

iniCandSet（s，d）[←？]

for all j∈N（s） do

if ETX（j，d） < ETX（s，d） then

IniCandSet（s，d） [←]IniCandSet（s，d）∪{j}

end if

end for

for all j∈IniCandSet（s，d） do

//計(jì)算信任值

calculating [Tdsj]，[ Tindsj] and [Tsj] ?within [？t] according to formula （1）-（3）

//更新綜合信任值

updating [Tsj] according to formula （8）

if ?（[Tsj<β]）

node j cant enter the CandSet（s，d）

else

candSet（s，d） [←]CandSet（s，d）∪{j}

end if

end for

sort CandSet（s，d） by ETX from j to d

return CandSet（s，d）

end

3 仿真及分析

3.1 仿真實(shí)驗(yàn)參數(shù)設(shè)置

利用NS2仿真軟件對(duì)TBOR路由算法有效性進(jìn)行實(shí)驗(yàn)仿真。將100個(gè)節(jié)點(diǎn)隨機(jī)部署在50m×50m的區(qū)域內(nèi)，在網(wǎng)絡(luò)中隨機(jī)設(shè)置1～50個(gè)惡意節(jié)點(diǎn)，隨機(jī)發(fā)起選擇性攻擊，進(jìn)而影響其它節(jié)點(diǎn)性能。實(shí)驗(yàn)參數(shù)如表1所示。

將本文提出的TBOR算法與經(jīng)典的路由協(xié)議ExOR路由算法從節(jié)點(diǎn)信任度的變化、安全性分析、網(wǎng)絡(luò)吞吐量和端到端的時(shí)延方面分別進(jìn)行分析和對(duì)比。

3.2 結(jié)果分析

3.2.1 節(jié)點(diǎn)信任度變化

如圖1所示，增加正常節(jié)點(diǎn)和惡意節(jié)點(diǎn)隨網(wǎng)絡(luò)運(yùn)行的時(shí)間周期，對(duì)綜合信任度變化趨勢(shì)進(jìn)行對(duì)比。正常節(jié)點(diǎn)的綜合信任度在前40個(gè)周期內(nèi)上快速上升，隨著周期的增加，上升趨勢(shì)變得平緩，節(jié)點(diǎn)綜合信任度最終保持穩(wěn)定并無(wú)限趨向于1。而惡意節(jié)點(diǎn)綜合信任度恰恰相反，在前10個(gè)周期內(nèi)綜合信任度初始化候選集大幅度下降。隨著網(wǎng)絡(luò)運(yùn)行周期的增加，下降趨勢(shì)比前10個(gè)周期稍微減小。大概在70周期之后，下降趨勢(shì)趨于平緩，最后綜合信任度無(wú)限接近于0。由實(shí)驗(yàn)數(shù)據(jù)可知，本文提出的基于節(jié)點(diǎn)信任度的評(píng)估模型可以有效識(shí)別出候選轉(zhuǎn)發(fā)集中的惡意節(jié)點(diǎn)，從而將其剔除候選轉(zhuǎn)發(fā)集，避免了惡意節(jié)點(diǎn)危害正常節(jié)點(diǎn)進(jìn)行通信的可能性，從而保證網(wǎng)絡(luò)節(jié)點(diǎn)的安全。

3.2.2 安全性分析

因?yàn)闄z測(cè)率對(duì)于節(jié)點(diǎn)的信任機(jī)制起到了不可或缺的作用，所以根據(jù)檢測(cè)率的好壞進(jìn)行安全評(píng)判。隨著網(wǎng)絡(luò)中惡意節(jié)點(diǎn)所占比例的增加，將檢測(cè)出的惡意節(jié)點(diǎn)在所有惡意節(jié)點(diǎn)中的百分比作為檢測(cè)率的衡量標(biāo)準(zhǔn)。如圖2所示，固定橫坐標(biāo)于某個(gè)位置，其對(duì)應(yīng)的縱坐標(biāo)表示在惡意節(jié)點(diǎn)比例不變的情況下檢測(cè)出的惡意節(jié)點(diǎn)數(shù)量比率。由于ExOR路由算法并沒有設(shè)置識(shí)別惡意節(jié)點(diǎn)的機(jī)制，故不能高效地識(shí)別出候選轉(zhuǎn)發(fā)集存在的惡意節(jié)點(diǎn)，減少惡意節(jié)點(diǎn)對(duì)正常節(jié)點(diǎn)的破壞;而將本文的信任模型應(yīng)用于ExOR中，能有效檢測(cè)出候選轉(zhuǎn)發(fā)集中的惡意節(jié)點(diǎn)，及時(shí)防止惡意節(jié)點(diǎn)進(jìn)一步傳遞虛假消息給其它節(jié)點(diǎn)，減少了惡意節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)中其它節(jié)點(diǎn)安全性能的影響。

3.2.3 網(wǎng)絡(luò)吞吐量

圖3為TBOR和ExOR兩種路由算法隨著惡意節(jié)點(diǎn)數(shù)目的增加吞吐量變化趨勢(shì)的對(duì)比情況。由于惡意節(jié)點(diǎn)的選擇性攻擊，導(dǎo)致節(jié)點(diǎn)因數(shù)據(jù)傳輸失敗而導(dǎo)致數(shù)據(jù)丟失上升，使得兩種路由算法丟失大量數(shù)據(jù)包，從而減少了網(wǎng)絡(luò)吞吐量。在沒有惡意節(jié)點(diǎn)情況下，兩種算法的吞吐量差距很小，可以忽略兩者的區(qū)別。但隨著網(wǎng)絡(luò)中設(shè)置惡意節(jié)點(diǎn)數(shù)目的增多，由于ExOR路由算法沒有設(shè)置惡意節(jié)點(diǎn)檢測(cè)機(jī)制，導(dǎo)致吞吐量急劇下降。而本文的TBOR路由算法可有效檢測(cè)惡意節(jié)點(diǎn)，進(jìn)而對(duì)候選轉(zhuǎn)發(fā)集中的惡意節(jié)點(diǎn)進(jìn)行識(shí)別并剔除，選擇更安全的節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸，維持網(wǎng)絡(luò)的穩(wěn)定性，降低了惡意節(jié)點(diǎn)引起的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)包丟失率，從而增加了整個(gè)網(wǎng)絡(luò)的吞吐量。

3.2.4 端到端平均時(shí)延

圖4對(duì)比了TBOR和ExOR兩種路由算法在惡意節(jié)點(diǎn)不斷增多的情況下，節(jié)點(diǎn)端到端平均時(shí)延的變化趨勢(shì)。在無(wú)線傳感器網(wǎng)絡(luò)中，隨著惡意節(jié)點(diǎn)數(shù)目不斷增多，兩種路由算法的時(shí)延都因網(wǎng)絡(luò)中存在潛在的惡意節(jié)點(diǎn)而不斷增加。TBOR路由算法節(jié)點(diǎn)信任度計(jì)算、判斷及更新需要更多的計(jì)算消耗。 ExOR路由算法雖然不計(jì)算信任度，但是缺乏檢測(cè)惡意節(jié)點(diǎn)攻擊正常節(jié)點(diǎn)的機(jī)制，在惡意節(jié)點(diǎn)數(shù)目不斷增加的情況下，惡意節(jié)點(diǎn)會(huì)對(duì)正常節(jié)點(diǎn)進(jìn)行選擇性攻擊和破壞，不僅使正常節(jié)點(diǎn)丟棄源節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包，而且誘惑其它節(jié)點(diǎn)也丟棄源節(jié)點(diǎn)數(shù)據(jù)包，從而導(dǎo)致數(shù)據(jù)包的重傳，增加了端到端時(shí)延。

4 結(jié)語(yǔ)

本文將基于節(jié)點(diǎn)信任度的信任評(píng)估模型應(yīng)用于機(jī)會(huì)路由ExOR中，提出一種基于節(jié)點(diǎn)信任度的機(jī)會(huì)路由算法TBOR。ExOR路由算法利用無(wú)線信道的廣播特性，使TBOR算法性能得到了充分發(fā)揮。綜合信任度計(jì)算不僅充分考慮了節(jié)點(diǎn)通信次數(shù)衡量的直接信任度，還聯(lián)合節(jié)點(diǎn)的連通度更加精確地得到間接信任度，通過(guò)信息熵的概念為直接信任度和間接信任度分配權(quán)值，實(shí)時(shí)動(dòng)態(tài)更新，最后通過(guò)加權(quán)求和得到節(jié)點(diǎn)的綜合信任度，從而有效識(shí)別并剔除了候選轉(zhuǎn)發(fā)集中存在的惡意節(jié)點(diǎn)，在一定程度上避免了正常節(jié)點(diǎn)被惡意節(jié)點(diǎn)進(jìn)行選擇性攻擊和破壞的可能性，確保了無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)通信和數(shù)據(jù)傳輸安全。

如果網(wǎng)絡(luò)中存在潛在惡意節(jié)點(diǎn)且路由算法沒有設(shè)置檢測(cè)惡意節(jié)點(diǎn)機(jī)制，不僅會(huì)影響網(wǎng)絡(luò)信任度、吞吐量、時(shí)延等性能，而且可能增加網(wǎng)絡(luò)的能量消耗。因此，為了避免信任度高的節(jié)點(diǎn)每次都被選為通信節(jié)點(diǎn)而造成節(jié)點(diǎn)能量高速消耗問(wèn)題，今后的研究要將節(jié)點(diǎn)能量作為評(píng)估節(jié)點(diǎn)信任度的重要參數(shù)之一，從而更加精確和快速地識(shí)別出網(wǎng)路中的惡意節(jié)點(diǎn)，盡可能減少因惡意節(jié)點(diǎn)造成的能量消耗。

參考文獻(xiàn)：

[1] KARL HOLGER，WILLIG ANDREAS. Protocols and architectures for wireless sensor networks[M]. Hoboken：John Wiley & Sons， 2007.

[2] OKAZAKI ALEXANDRE MASSAYUKI， FROEHLICH ANTONIO AUGUSTO. Ant-based dynamic hop optimization protocol： a routing algorithm for mobile wireless sensor networks [M]. 2011 IEEE Globecom Workshops，2011： 1139-1143.

[3] BISWAS SANJIT， MORRIS ROBERT. Opportunistic routing in multihop wireless networks[J]. Microcomputer Information， 2004， 34（1）： 69-74.

[4] 田克，張寶賢，馬建，等. 無(wú)線多跳網(wǎng)絡(luò)中的機(jī)會(huì)路由 [J]. 軟件學(xué)報(bào)，2010，21（10）： 2542-2553.

[5] BISWAS S，MORRIS R. Exor： opportunistic multi-hop routing for wireless networks[J]. Acm Sigcomm Computer Communication Review， 2005， 35（4）： 133-143.

[6] MAO X F，TANG S J，XU X ?H，et al. Energy-efficient opportunistic routing in wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems， 2011， 22（11）：1934-1942.

[7] SUBHASH K M，SRINIVAS T A，RAJESH K. Connectivity based energy efficient opportunistic robust routing for mobile wireless sensor networks[J]. Wireless Personal Communications，2015，84（1）：729-744.

[8] BEN FRADJ H，ANANE R，BOUALLEGUE M，et al. A range-based opportunistic routing protocol for wireless sensor networks[M]. Wireless Personal Communications，2017.

[9] AZZEDINE B，AMIR D. Opportunistic routing in wireless networks： models， algorithms， and classifications [J]. ACM Computing Surveys，2014，47（2）：1-36.

[10] FENG DAN， MA YAJIE， ZHOU FENGXING， et al. A trust-based opportunistic routing algorithm in ad hoc network[C].Proceedings of the IEEE International Conference on Software Engineering and Service Science， F， 2014.

[11] AMIR D，SANCHEZ M. Isabel， boukerche azzedine. modeling and analysis of opportunistic routing in multi-hop wireless networks [C]. Atlanta：Proceedings of the IEEE International Symposium on Modelling， Analysis & Simulation of Computer and Telecommunication Systems，2015.

[12] GANERIWAL SAURABH，SRIVASTAVA MANI B. Reputation- based framework for high integrity sensor networks[C]. Beijing：Proceedings of the IEEE International Conference on Software Engineering and Service Science，2014.

[13] FENG RENJIAN，HAN XIAONA， LIU QIANG， et al. A credible bayesian-based trust management scheme for wireless sensor networks[J]. International Journal of Distributed Sensor Networks， 2015（2）： 10-15.

[14] WANG BO，HUANG CHUANHE， LI LAYUAN， et al. Trust-based minimum cost opportunistic routing for ad hoc networks [J]. Journal of Systems and Software， 2011， 84（12）： 2107-2122.

[15] SALEHI MAHMOOD，BOUKERCHE AZZEDINE，DAREHSHOO- RZADEH AMIR，et al. Towards a novel trust-based opportunistic routing protocol for wireless networks[J]. Wireless Networks， 2016， 22（3）： 927-943.

[16] JIANG JINFANG， HAN GUANGJIE， FENG WANG， et al. An efficient distributed trust model for wireless sensor networks [J]. IEEE Transactions on Parallel & Distributed Systems，2016， 26（5）： 1228-1237.

[17] HAN GUANGJIE， JIANG JINFANG， LEI SHU， et al. Management and applications of trust in wireless sensor networks： a survey [J]. Journal of Computer & System Sciences， 2014， 80（3）： 602-617.

[18] 張仕斌，方杰，宋家麒. 一種面向WSNs的可信數(shù)據(jù)融合算法研究[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2014，35（10）： 2347-2352.

[19] ISHMANOV FARRUH，MALIK AAMIR SAEED，KIM SUNG WON，et al. Trust management system in wireless sensor networks： design considerations and research challenges[J]. Transactions on Emerging Telecommunications Technologies，2015，26（2）：107-130.

[20] FIEDLER M. Algebraic connectivity of graphs[J]. Czechoslovak Mathematical Journal，1973，23（23）： 298-305.

[21] 印新棋，吳軍，莫偉偉，等. WMNs中基于節(jié)點(diǎn)可信度的機(jī)會(huì)路由改進(jìn)算法[J]. 計(jì)算機(jī)科學(xué)，2017，44（8）： 151-156.

[22] 周治平，邵楠楠. 基于貝葉斯的改進(jìn)WSNs信任評(píng)估模型[J]. 傳感技術(shù)學(xué)報(bào)，2016，29（6）：927-933.

（責(zé)任編輯：杜能鋼）