干擾攻擊量化評估下的MHWN多路徑優(yōu)化方法

闞保強

干擾攻擊量化評估下的MHWN多路徑優(yōu)化方法

闞保強

（福建師范大學協(xié)和學院信技系，福建，福州 350003）

在實際多跳無線網絡（MHWN）中，由于無線信道的開放性，不可避免地面對惡意干擾的攻擊。由于多路徑技術固有的空間分集能力，在抗干擾設計中有著天然的優(yōu)勢。傳統(tǒng)的方法多是基于干擾存在二元性進行多路徑的設計，但由于干擾的智能性不斷提高，其無法實現(xiàn)多路徑路由的優(yōu)化傳輸。為了提高抗干擾效果，提出了一種基于干擾評估的動態(tài)多路徑優(yōu)化方法，即通過實現(xiàn)量化評估干擾的方法實現(xiàn)業(yè)務動態(tài)路由優(yōu)化分配，仿真模擬結果表明該方法可以有效提高MHWN可靠傳輸性能。

MHWN（多跳無線網絡）；干擾；量化評估；多路徑

0 引言

無線技術的普及為我們的日常生活帶來便利，但由于無線通信固有的廣播性質，無線通信網絡來自惡意干擾的威脅也越來越大，這也給無線網絡設計帶來了新的挑戰(zhàn)。再加上軟件定義無線電（SDR）產品的成本越來越低，智慧型干擾也會越來越普遍，無線網絡也更容易受到網絡協(xié)議棧物理層上發(fā)起的攻擊的影響[1]。物理層干擾是一種拒絕服務（DoS）攻擊，攻擊者通過故意在無線鏈路中引起射頻（RF）干擾來干擾網絡運行，從而“阻塞”通信信道。而上層（MAC層、路由層）也可能受到其他干擾攻擊。例如，路由器可能會受到大量數(shù)據(jù)包的攻擊，導致緩沖區(qū)溢出，從而導致DoS出現(xiàn)超延遲或數(shù)據(jù)包丟失的情況。在本文，干擾范圍限制在物理層上的攻擊，即RF干擾。

為了抵抗不同類型的RF干擾，傳統(tǒng)的做法是匹配式干擾對消[2]。這種方法的缺點是通用性及擴展性差。近年來比較引起關注的是如何利用多路徑的固有空間分集性進行干擾對抗，這種方法由于無需考慮實際干擾類型，僅從干擾狀態(tài)識別結合多路徑實現(xiàn)抗干擾，所以有著很廣的使用價值。但先前一些研究大多沒有考慮實際干擾的動態(tài)性問題，往往根據(jù)干擾的存在二元性，選擇抵抗策略，所以實際抗干擾并沒有達到理想的效果[3]。盡管文獻[4]中提出了干擾動態(tài)性測度的方法，但是沒有對干擾風險進行有效的量化評估。為了更充分地利用網絡空間資源，提高多路徑組網下的抗干擾能力，本文提出了一種基于干擾風險量化評估的多路徑路由技術，其本質是評估智能干擾的風險，自適應的進行路徑業(yè)務量分配，從而提高網絡的傳輸效能。

本文安排如下：首先介紹相關研究工作，接下來對于干擾量化評估方法給出了詳細的描述，然后給出干擾風險最小下的多路徑優(yōu)化分配求解方法進行闡述，最后給出實際仿真結果。

1 相關工作

近年來，隨著人們對無線技術作為“最后一公里”連接方案的依賴性越來越強，對于RF干擾的風險意識也越來越高。干擾和抗干擾一直是通信領域的熱點問題，相關的RF干擾攻擊和抗干擾方法，已有大量文獻報道。比如文獻[5]分析了IEEE 802.15.4的無線傳感器網絡的RF干擾問題，提出了一種防御性MAC層協(xié)議來降低隱藏終端干擾。在文獻[6]中，針對IEEE 802.11網絡的兩種協(xié)議感知的節(jié)能干擾機制，提出了低數(shù)據(jù)速率隨機干擾和自適應數(shù)據(jù)速率散粒噪聲干擾，即通過在調整的時間間隔內產生散粒噪聲脈沖，實現(xiàn)高能效和低檢測概率。文獻[7]的作者擴展了文獻[6]中的工作，提出了針對GSM和WiMaX網絡的攻擊。文獻[8]引入開源SDR平臺作為4G LTE網絡中的RF干擾攻擊，給出了干擾4G LTE下行鏈路控制信令方面的實驗結果，并引入了一種額外的指標來評估干擾攻擊：干擾功率與下行鏈路共享信道功率之間的比率。文獻[9]中對新興的5G NR網絡進行了干擾評估，通過使用有關5G NR控制信道的信息來評估對RF干擾的脆弱性。文獻[10]中，作者首次提出了將干擾與路由業(yè)務分配進行聯(lián)合優(yōu)化建模，但其仍舊把干擾限定為存在二元性進行分析；文獻[11]中的工作考慮了無線傳感器網絡中的干擾?；谙嗷フ坏睦》?，設計了一種完全分布式的網絡協(xié)議，以減輕干擾。當在網絡中檢測到干擾攻擊時，將使用多個通信通道在受干擾區(qū)域附近快速重新安排數(shù)據(jù)傳輸。在文獻[4]，我們提出了一種干擾動態(tài)測度的抗干擾多路徑方法，但是沒有對干擾的風險進行量化評估，也沒能將多路徑問題進行聯(lián)合優(yōu)化建模。文獻[12]則進一步引入了節(jié)點度分布的部署方法來從拓撲上進行抗干擾。綜上可以看出，在抗干擾技術方面如何充分利用空間的固有分集性是一個熱點問題。為此本文將在文獻[4]的基礎上進一步進行干擾風險量化評估，并通過路徑的聯(lián)合優(yōu)化建模，實現(xiàn)干擾下的無線網絡傳輸最優(yōu)。

2 模型及問題形成

圖1給出了一個典型的干擾下的MHWN多路徑路由場景，假定干擾設備（可移動）初始位置靠近于節(jié)點3和節(jié)點4，源節(jié)點不具有任何干擾相關的信息(包括移動性、位置、干擾功率等)，源節(jié)點對于干擾的認知只能通過丟包率測試來推得。由于干擾的移動性和發(fā)起的隨機性，傳輸路徑的丟包率也是隨機的。假定源節(jié)點到目標節(jié)點的可用路徑數(shù)為。

圖1 干擾場景下多路徑傳輸示意圖

圖1為具有3條可能路徑的網絡。其中，路徑p1 為{(s，3)；(3，4)；(4，d)}，路徑p2 為{(s，2)；(2，6)；(6，d)}，路徑p3為 {(s，1)；(1，5)；(5，d)}。我們假設鏈路容量足以容納所有可能分配給路徑的業(yè)務量。在不存在干擾的情況下，假設所有n條路徑都具有相同的傳輸性能，則可以在n條路徑上進行流量的平均分配。當存在干擾的情況下，鏈路的端到端包成功傳輸率將沿著路由路徑在值0和1之間變化。也就是說，對于固定的干擾功率，如果干擾到節(jié)點x，連接（s; x）和（x; b）鏈路上的局部數(shù)據(jù)包成功傳輸率將下降，從而會導致路徑p1上的端到端數(shù)據(jù)包成功傳輸率降低。而其它遠離干擾源的節(jié)點，比如路徑p2和p3上的端到端數(shù)據(jù)包成功傳輸率會優(yōu)于路徑p1。因此，如果將業(yè)務流量平均分配給這三個路徑，顯然不是最佳選擇。

在本文中，假設源節(jié)點在業(yè)務量分配之前，能夠周期性的預估n條路徑上的端到端包傳輸成功率。具體的實現(xiàn)方法，可以通過中間節(jié)點收集有關各個鏈路的局部數(shù)據(jù)包成功率，然后反饋到源端進行估算。為了便于估算，假設每條路徑上的中間節(jié)點處具有獨立的本地數(shù)據(jù)包傳輸成功率，則每條路徑的端到端數(shù)據(jù)包成功率等于該路徑所有鏈路上本地數(shù)據(jù)包成功率的乘積。由于假設源節(jié)點可估計出端到端的包成功率，因此，在本文的其余部分中不再單獨考慮各個節(jié)點上的本地包成功率。為方便起見，此后我們將“端到端的包成功率”簡記為“端到端”。

考慮到干擾風險和多路徑優(yōu)化分配模型，非常類似于投資組合問題，為此可以將此問題映射為網絡中的投資組合選擇問題[13]，如表1所示。

投資組合理論是由馬克維茨提出的，馬克維茨投資組合理論的基本假設為：1) 投資者是風險規(guī)避的，追求期望效用最大化；2) 投資者根據(jù)收益率的期望值與方差來選擇投資組合；3) 所有投資者處于同一單期投資期。馬克維茨提出了以期望收益及其方差(，2)確定有效投資組合。

以期望收益來衡量證券收益，以收益的方差2表示投資風險。資產組合的總收益用各個資產預期收益的加權平均值表示，組合資產的風險用收益的方差或標準差表示，則馬克維茨優(yōu)化模型如下：

式中：r——組合收益；

r、r——第i種、第j種資產的收益；

w、w——資產i和資產j在組合中的權重；

2(r)——組合收益的方差即組合的總體風險；

cov(r,r)——兩種資產之間的協(xié)方差。

表1 干擾風險下的多路徑業(yè)務分配問題映射為投資組合優(yōu)化問題

也就是在最小容忍網絡包傳輸率的條件下，通過優(yōu)化多路徑業(yè)務分配，最大化的降低RF干擾風險。所以基于投資組合選擇理論，可以將上述干擾風險評估下的業(yè)務分配問題表述為以下模型：

3 問題求解

算法1 干擾量化評估下的路徑優(yōu)化分配算法步驟

Algorithm 1 setups for optimal path allocation

輸入： B，Rm，輸出：xi Step 1指定B，Rm，，形成公式(3) Step 2計算，并根據(jù)=，進行求解 Step 3應用數(shù)值優(yōu)化算法求解公式 (4)；返回xi

由算法1可知，算法的計算復雜度主要在于步驟3對公式(4)的求解，這里是一個典型的組合優(yōu)化問題，采用文獻[14]啟發(fā)式算法進行求解，算法時間復雜度為O(^2)。

4 仿真分析

為了進行性能比較，分別選擇文獻[15]中的FD-AOMDV以及文獻 [4]中的IAMP協(xié)議進行比較，本文的方案只是在FD-AOMDV基礎上引入業(yè)務分配優(yōu)化，所以整個仿真不改變FD-AOMDV原有協(xié)議。本文使用MATLAB和ns2.3混合進行仿真實驗，以進行性能評估和分析，對于IAMP和FD-AOMDV采用ns2來實現(xiàn)。而本文所提方法，首先基于FD-AOMDV產生相應的路徑，然后通過MATLAB進行優(yōu)化求解，進行業(yè)務分配后的結果送入ns2中進行仿真。

仿真環(huán)境考慮一個100*100（m2）正方形網絡區(qū)域，其中5~70個節(jié)點均勻分布。節(jié)點采用IEEE 802.11標準進行無線收發(fā)。每個節(jié)點的通信范圍設為30 m，并且假定雙向信道的數(shù)據(jù)速率為2 Mbps。源節(jié)點和目標節(jié)點隨機選取，源節(jié)點以1.0數(shù)據(jù)包/秒的數(shù)據(jù)包速率生成恒定比特率業(yè)務量，每個數(shù)據(jù)包大小為512字節(jié)。設置B的值= 0.2，也就是較低的風險偏好。

每個仿真方案使用不同的隨機生成的種子重復10次，以獲得穩(wěn)態(tài)性能指標。在本文中，采用的評價指標主要有：

數(shù)據(jù)包傳輸率（PDR）：PDR的計算為接收到的數(shù)據(jù)包總數(shù)與生成的數(shù)據(jù)包總數(shù)之比。數(shù)據(jù)包傳輸率表示成功從源傳送到目標的數(shù)據(jù)包的百分比。

端到端延時：是從源節(jié)點發(fā)起包傳輸?shù)侥繕斯?jié)點收到第一個數(shù)據(jù)包的時間，表示存在惡意干擾時的數(shù)據(jù)包傳輸延遲。

數(shù)據(jù)包丟棄率（PDL）：數(shù)據(jù)丟包率表示從源到目標的傳送中丟棄的數(shù)據(jù)包數(shù)量所占的比率。

4.1 包成功傳輸率比較

數(shù)據(jù)包傳送表示成功從源傳送到目標的數(shù)據(jù)包的百分比。引入一個干擾攻擊時，通過改變節(jié)點數(shù)來考察數(shù)據(jù)包傳輸率性能的。圖2的實驗結果非常清楚地表明，當網絡中的節(jié)點數(shù)從5增加到70時，當受到干擾攻擊時，本文提出方案的PDR要高于傳統(tǒng)的FD-AOMDV和IAMP。所有結果都證明本文的方案能夠更好地應對網絡中的干擾攻擊所帶來的影響。在節(jié)點數(shù)較少時相應的路徑數(shù)較少，F(xiàn)D-AOMDV方案由于沒有干擾考慮機制所以性能較差，而本文的方案由于進行了干擾評估下的業(yè)務分配優(yōu)化，性能更好，而節(jié)點較多時，相應的路徑較多時，F(xiàn)D-AOMDV性能提升，由于本文所提方案對路徑進行了二次優(yōu)化分配，所以傳輸性能得到了一定的提升。

圖2 PDR性能分析

4.2 丟包率比較

數(shù)據(jù)丟包率表示從源到目標的傳送中丟棄的數(shù)據(jù)包數(shù)量所占的比率。圖3的實驗結果表明，與FD-AOMDV和IAMP相比，當有干擾攻擊時，節(jié)點數(shù)從5增加到70時，本文所提的方案在克服了干擾攻擊的挑戰(zhàn)，具有更低的丟包率。

圖3 丟包率性能分析

4.3 平均端到端延遲比較

它是指所有數(shù)據(jù)包從源傳遞到目標所花費的平均時間。平均端到端延遲反映了重傳次數(shù)的影響。圖4給出了在干擾攻擊時，與FD-AOMDV和IAMP相比，本文所提出的平均端到端延遲實驗比較結果。可以看出，與其它方法相比，本文所提的方法均保持較低的平均端到端延遲并保持穩(wěn)定。

圖4 平均延時性能分析

5 結論

本文主要對如何充分利用多徑路由的固有空間分集性以實施干擾風險評估下的業(yè)務優(yōu)化分配傳輸進行了研究。通過將問題表述為一個投資組合選擇問題，通過近似求解，提出了一種新的干擾規(guī)避下的多路徑業(yè)務分配方案。仿真結果表明，本文所提出的方案可以有效地提高干擾攻擊下的無線多跳網絡傳輸性能。目前本文的仿真實現(xiàn)還是通過MATLAB結合ns2完成，在后續(xù)的研究工作中，將結合FD-AOMDV具體的協(xié)議，融入本文所提的方案。

[1] Rahbari H, Krunz M. Secrecy beyond encryption: obfuscating transmission signatures in wireless communications[J]. IEEE Commun. Mag. , 2015, 53(12):54-60.

[2] 王沙飛,鮑雁飛,李巖.認知電子戰(zhàn)體系結構與技術[J]. 中國科學:信息科學,2018,48(10):1483-1495.

[3] Lichtman M, Jover R P, Labib M, et al. Lte/lte-a jamming, spoofing, and sniffing:threat assessment and mitigation[J]. IEEE Commun. Mag., 2016,54(4):54-61.

[4] 闞保強,范建華,盧紫毅,等.基于干擾動態(tài)性建模的 MHWN 多路徑路由協(xié)議[J].中國科學:信息科學,2013, 43(10):1483-1495.

[5] Wood A D, Stankovic J A, Zhou G. Deejam: Defeating energy-efficient jamming in ieee 802.15. 4-based wireless networks[C]. Proc. IEEE SECON, 2007:60-69.

[6] Hussain A, Saqib N A. Protocol aware shot-noise based radio frequency jamming method in 802.11 networks[C]. Proc. IEEE WOCN, 2011: 1-6.

[7] Hussain A, Saqib N A, Qamar U, et al. Protocol-aware radio frequency jamming in wi-fi and commercial wireless networks[J].J. Commun. Netw. , 2014, 16(4): 397-406.

[8] Rao R M, Sean V, Marojevic Reed J H. Lte phy layer vulnerability analysis and testing using open-source sdr tools[C].Proc. IEEE MILCOM, 2017:744-749.

[9] Lichtman M, Rao R, Marojevic V, et al. 5g nr jamming, spoofing, and sniffing: threat assessment and mitigation[J]. IEEE Communications Magazine, 2016,54(4):1-6.

[10] Tague P, Nabar S, Ritcey J A, et al. Jamming-aware traffic allocation for multiple-path routing using portfolio selection[C].IEEE/ TON, 2011:19(1)184-194.

[11] Alnifie G, Simon R. A multi-channel defense against jamming attacks in wireless sensor networks[C]. Proc. of Q2SWinet’07. ACM, 2007:95-104.

[12] 魏祥麟,胡永揚,王曉波,等.基于度分布的多跳無線網絡干擾節(jié)點部署方法[J].南京理工大學學報:自然科學版,2015,39(5):590-596.

[13] Markowitz. Harry M.資產組合選擇和資本市場的均值-方差分析[M]. 黃濤譯.北京:機械工業(yè)出版社.2016-6.

[14] Estrada, Javier .Mean-Semivariance Optimization: A Heuristic Approach[J]. Journal of Applied Finance, 2007,18(11):278-282.

[15] Robinson Y H, Julie E G, Saravanan K, et al. FD-AOMDV: fault-tolerant disjoint ad-hoc on-demand multipath distance vector routing algorithm in mobile ad-hoc networks[J]. Journal of Ambient Intelligence and Humanized Computing, 2019, 10(11): 4455-4472.

[16] Archana K, Laxmi L, Govardhan A. Maximizing efficiency of multiplepath source routing in presence of jammer[J]. IOSR–JCE, 2013, 11(3): 10-16.

MHWN multipath optimization based on jamming quantitative evaluation

KAN Bao-qiang

(Department of I&T, Concord College ,Fujian Normal University, Fuzhou, Fujian 350003, China )

In real multi-hop wireless networks (MHWN), due to the openness of the wireless channel, it is inevitable to face attacks from malicious jammers. To combat jamming, multipath is widely used for its natural advantage in space diversity. However, traditional methods are mostly based on the existence of jammer. Due to the continuous improvement of the intelligence of jammers, it is impossible to achieve optimal transmission. In order to improve the anti-jamming effect, a dynamic multi-path optimization method based on jamming quantification is proposed, that is, dynamic routing distribution of services by the method of quantitatively evaluating jamming risk. Simulation results show that this method can effectively improve the reliable transmission performance of MHWN.

MHWN jamming quantitatively-evaluating multi-path

TP392

A

10.3969/j.issn.1674-8085.2020.04.011

1674-8085(2020)04-0052-06

2020-05-29；

2020-06-18

國家自然科學基金項目（61201216）；福建省教師教育科研項目（JAT191117）；泉州市科技計劃項目（2017T009）

闞保強(1983-)，男，山東濟寧人，副教授，博士，主要從事智能體及無線抗干擾等方面的研究(E-Mail:bqkan@163.com).